針對齒輪箱故障診斷精度低的問題,提出了基于集成模態(tài)經(jīng)驗(yàn)分解(EEMD)提取特征、改進(jìn)布谷鳥搜索算法(ICS)和支持向量機(jī)(SVM)的故障診斷方法。首先,利用EEMD分解故障信號,計算IMF主分量的矩陣奇異值、時域特征和能量熵,并將其構(gòu)成多種組合維度的特征向量;其次,針對布谷鳥算法診斷精度不夠高、收斂速度不夠快等問題,引入阻尼步長因子、動態(tài)發(fā)現(xiàn)概率以及自適應(yīng)局部搜索,提出改進(jìn)布谷鳥搜索算法優(yōu)化支持向量機(jī)(ICS-SVM)模型;最后,對QPZZ-Ⅱ旋轉(zhuǎn)機(jī)械模擬齒輪箱的數(shù)據(jù)集進(jìn)行訓(xùn)練和測試,診斷識別點(diǎn)蝕、磨損、斷齒等故障狀態(tài),驗(yàn)證模型的有效性。結(jié)果表明,該方法在齒輪箱故障診斷上是有效的,且在診斷精度和診斷速度方面比PSO-SVM、GA-SVM等算法更優(yōu)。

【文章頁數(shù)】：7 頁


本文編號：3851372