【摘要】：針對(duì)表征齒輪故障信息的特征難提取與極限學(xué)習(xí)機(jī)無法處理隨時(shí)間變化的信息流,致使齒輪故障分類模型精度差、泛化能力弱的問題,提出一種基于在線貫序極限學(xué)習(xí)機(jī)的齒輪故障診斷方法。該方法首先將齒輪振動(dòng)信號(hào)進(jìn)行相空間重構(gòu),并對(duì)重構(gòu)矩陣進(jìn)行奇異值分解得到奇異值特征向量;其次,建立在線貫序極限學(xué)習(xí)機(jī)的齒輪故障分類模型,并將奇異值特征向量作為模型輸入進(jìn)行齒輪不同故障狀態(tài)的辨識(shí)。實(shí)驗(yàn)結(jié)果表明:與基于BP、SVM與ELM的故障分類方法相比,基于基于在線貫序極限學(xué)習(xí)機(jī)的齒輪故障診斷方法具有更快的學(xué)習(xí)速度、更高的分類精度與更強(qiáng)的泛化能力。
[Abstract]:In order to solve the problem that it is difficult to extract the features of gear fault information and the limit learning machine can not deal with the information flow changing with time, the accuracy of gear fault classification model is poor and the generalization ability is weak. A gear fault diagnosis method based on online sequential limit learning machine is proposed. In this method, the gear vibration signal is reconstructed in phase space, and the singular value eigenvector is obtained by singular value decomposition of the reconstructed matrix. Secondly, the gear fault classification model of online sequential limit learning machine is established, and the singular value eigenvector is used as the input of the model to identify the different fault states of gear. The experimental results show that compared with the fault classification method based on BP,SVM and ELM, the gear fault diagnosis method based on online sequential limit learning machine has faster learning speed, higher classification accuracy and stronger generalization ability.
【作者單位】： 內(nèi)蒙古科技大學(xué)機(jī)械工程學(xué)院;
【基金】：國家自然科學(xué)基金(21366017) 內(nèi)蒙古自然科學(xué)基金項(xiàng)目(2015MS0512) 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;程耕國;;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];中國的經(jīng)濟(jì)建設(shè)與21世紀(jì)的物料搬運(yùn)技術(shù)——中國機(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年全國振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

3 張立國;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 李長吾;呂江濤;張立國;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 趙鵬飛;基于LabVIEW的齒輪故障診斷系統(tǒng)設(shè)計(jì)[D];中北大學(xué);2016年

2 胡長海;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

3 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

4 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

5 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

6 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

7 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

8 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

9 趙國慶;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

10 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

，

本文編號(hào)：2478206