【摘要】：針對(duì)齒輪振動(dòng)信號(hào)非線性非平穩(wěn)特性,為避免傳統(tǒng)"時(shí)-頻"分析方法在表征設(shè)備狀態(tài)時(shí)的不足和樣本數(shù)量少易造成故障辨識(shí)模型"欠學(xué)習(xí)"的問(wèn)題,提出一種基于峭度、本征模式分量(Intrinsic mode function,IMF)能量?jī)深愄卣骱妥钚《酥С窒蛄繖C(jī)(Least squares support vector machine,LS-SVM)的齒輪故障診斷方法。首先,對(duì)所測(cè)齒輪振動(dòng)信號(hào)在集合經(jīng)驗(yàn)?zāi)Ｊ椒纸?Ensemble empirical mode decomposition,EEMD)的基礎(chǔ)上提取有效IMF分量計(jì)算其能量特征和峭度值,據(jù)此構(gòu)建時(shí)頻域兩類特征向量;其次,將融合后的齒輪正常、齒根裂紋、斷齒3種狀態(tài)下的時(shí)頻域兩類特征向量作為輸入,基于LS-SVM建立齒輪故障診斷模型,進(jìn)行齒輪故障識(shí)別。實(shí)驗(yàn)結(jié)果表明,該方法能夠準(zhǔn)確地識(shí)別齒輪的工作狀態(tài),與基于BP、SVM的故障診斷模型相比,其具有更高的識(shí)別率,為齒輪狀態(tài)識(shí)別和故障診斷提供了一種新途徑。
[Abstract]:Aiming at the nonlinear and non-stationary characteristics of gear vibration signal, a kurtosis based on kurtosis is proposed in order to avoid the deficiency of the traditional time-frequency analysis method in characterizing the state of the equipment and the problem that the small number of samples can easily lead to the problem of "underlearning" in the fault identification model. Two kinds of characteristic of intrinsic mode component (Intrinsic mode function,IMF (energy) and least square support vector machine (Least squares support vector machine,LS-SVM) are used for gear fault diagnosis. Firstly, the effective IMF component is extracted from the measured gear vibration signal on the basis of the set empirical mode decomposition (Ensemble empirical mode decomposition,EEMD) to calculate its energy characteristics and kurtosis, and then two kinds of eigenvectors in time-frequency domain are constructed. Secondly, two kinds of characteristic vectors in the time-frequency domain of the fused gear under normal condition, root crack and broken tooth are taken as input, and the gear fault diagnosis model is established based on LS-SVM to identify the gear fault. The experimental results show that the method can accurately identify the working state of gears, and it has a higher recognition rate than the fault diagnosis model based on BP,SVM, which provides a new way for gear state identification and fault diagnosis.
【作者單位】： 內(nèi)蒙古科技大學(xué)機(jī)械工程學(xué)院;浙江大學(xué)信息學(xué)部控制科學(xué)學(xué)院;包頭鋼鐵(集團(tuán))有限公司設(shè)備動(dòng)力部;
【基金】：國(guó)家自然科學(xué)基金(51565046) 內(nèi)蒙古自然科學(xué)基金(2015MS0512) 內(nèi)蒙古高等學(xué)校科學(xué)研究項(xiàng)目(NJZY146) 內(nèi)蒙古科技大學(xué)創(chuàng)新基金(2015QDL12)
【分類號(hào)】：TH132.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 熊軍;李鳳英;沈玉娣;;齒輪故障診斷技術(shù)應(yīng)用綜述[J];機(jī)床與液壓;2005年12期

2 周湛學(xué);齒輪故障診斷的新方法[J];價(jià)值工程;1998年01期

3 趙章焰;齒輪故障診斷模糊判據(jù)的研究[J];振動(dòng)與沖擊;2002年02期

4 李延斌,鄭 鵬,張文祥,陳長(zhǎng)征;齒輪故障診斷技術(shù)現(xiàn)狀與展望[J];機(jī)械設(shè)計(jì)與制造;2002年02期

5 陳新國(guó);程耕國(guó);;基于小波分析的齒輪故障診斷方法的研究[J];機(jī)械傳動(dòng);2005年06期

6 駱志高;仇學(xué)青;田海泉;;齒輪故障診斷研究的國(guó)內(nèi)現(xiàn)狀與發(fā)展方向[J];礦山機(jī)械;2006年01期

7 王鳳利;馬孝江;;基于局域波時(shí)頻分析的齒輪故障診斷[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2006年12期

8 胡小江;;灰色系統(tǒng)理論在齒輪故障診斷中的應(yīng)用[J];通用機(jī)械;2007年09期

9 楊德斌;楊聚星;陽(yáng)建宏;章立軍;;基于聲信號(hào)分析的齒輪故障診斷方法[J];北京科技大學(xué)學(xué)報(bào);2008年04期

10 程軍圣;楊宇;于德介;;局部均值分解方法及其在齒輪故障診斷中的應(yīng)用[J];振動(dòng)工程學(xué)報(bào);2009年01期

相關(guān)會(huì)議論文 前6條

1 趙章焰;;齒輪故障診斷的原理及應(yīng)用[A];中國(guó)的經(jīng)濟(jì)建設(shè)與21世紀(jì)的物料搬運(yùn)技術(shù)——中國(guó)機(jī)械工程學(xué)會(huì)物料搬運(yùn)分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];1996年

2 劉立州;李志農(nóng);范濤;;分?jǐn)?shù)階Fourier變換在齒輪故障診斷中的應(yīng)用[A];2008年全國(guó)振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

3 張立國(guó);張生;谷建平;康科;;小波包分析在齒輪故障診斷中的應(yīng)用[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

4 曹志錫;孫莉;;齒輪故障診斷信號(hào)分析處理的一種有效方法[A];中國(guó)職業(yè)安全健康協(xié)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2007年

5 李長(zhǎng)吾;呂江濤;張立國(guó);陳白;;基于小波分析的齒輪故障診斷方法的研究[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

6 劉鋒;馬懷祥;葛寶珊;;基于經(jīng)驗(yàn)?zāi)B(tài)分解和包絡(luò)分析的齒輪故障診斷[A];現(xiàn)代振動(dòng)與噪聲技術(shù)（第九卷）[C];2011年

相關(guān)碩士學(xué)位論文 前10條

1 胡長(zhǎng)海;減速機(jī)齒輪故障診斷方法的研究[D];昆明理工大學(xué);2009年

2 楊怡;基于局部均值分解的齒輪故障診斷方法[D];湖南大學(xué);2012年

3 成瓊;基于小波分析的齒輪故障診斷研究[D];湖南大學(xué);2001年

4 壽海飛;基于小波分析的齒輪故障診斷研究[D];浙江工業(yè)大學(xué);2007年

5 王彬彬;小波分析在微動(dòng)齒輪故障診斷的應(yīng)用與研究[D];南昌大學(xué);2010年

6 王文莉;基于高階譜的齒輪故障診斷與識(shí)別[D];武漢科技大學(xué);2007年

7 王文歡;基于隱馬爾科夫模型的齒輪故障診斷[D];南昌航空大學(xué);2014年

8 趙國(guó)慶;基于小波降噪與HHT方法的齒輪故障診斷方法[D];武漢科技大學(xué);2007年

9 何小華;基于磨損識(shí)別的齒輪故障診斷研究[D];武漢工程大學(xué);2012年

10 趙志強(qiáng);基于集合經(jīng)驗(yàn)?zāi)Ｊ椒纸馀c徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷[D];河北工程大學(xué);2015年

，

本文編號(hào)：2420203