文献类型：期刊文章

作　　者：王建国[1] 陈帅[1] 张超[1]

机构地区：[1]内蒙古科技大学机械工程学院,内蒙古包头014010

出　　处：《机械传动》

基　　金：国家自然科学基金(51565046);内蒙古自然科学基金(2015MS0512);内蒙古高等学校科学研究资助项目(NJZY146)

年　　份：2017

卷　　号：41

期　　号：3

起止页码：160-165

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对实际中工况复杂难以提取齿轮故障特征频率的问题,提出一种变分模态分解(Variational Mode Decomposition,VMD)与多特征融合的齿轮故障诊断方法。首先,对机械振动信号进行VMD分解并得到一系列的模态,其次,计算高频段的前4个模态的排列熵(Permutation Entropy,PE)和能量,最后,将排列熵和能量构成的高维特征向量作为最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)的输入,对齿轮故障类型进行模式识别。试验结果表明:VMD可以较好地将复杂多分量信号各成分分开;排列熵和能量特征可以从不同尺度揭示齿轮故障信息;基于VMD与多特征融合的智能故障诊断方法识别精度高,可以为齿轮故障预警和严重程度提供参考。

关 键 词：变分模态分解  多特征融合 最小二乘支持向量机 排列熵  故障诊断

分 类 号：TH132.41]