文献类型：期刊文章

作　　者：张超[1] 朱腾飞[1] 王大勇[1]

ZHANG Chao;ZHU Tengfei;WANG Dayong(School of Mechanical Engineering ,Inner M0ngolia University of Scinese and Technology, Baotou Neimenggu 014010,China)

机构地区：[1]内蒙古科技大学机械工程学院

出　　处：《机械设计与研究》

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

年　　份：2018

卷　　号：34

期　　号：2

起止页码：81-84

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对机械设备的齿轮运行受环境噪声影响严重以及难以获得大量故障样本的问题,提出一种基于变分模态分解（Variational Mode Decomposition,VMD）能量熵特征与支持向量机相结合的齿轮故障诊断方法。首先是利用变分模态分解对机械振动信号进行处理得到若干个模态分量,同时利用传统的经验模态分解（EMD）对相同信号进行分解再对比两种方法的分解效果,然后计算变分模态分解各模态分量的能量熵作为特征值,最后将特征值作为支持向量机的输入进行故障诊断。实验结果表明VMD可以较好的将复杂的振动信号分解并且一定程度抑制模态混叠现象的发生,以VMD能量熵特征与支持向量机相结合的方法可以迅速、有效的实现齿轮的故障诊断。

关 键 词：齿轮 故障诊断 变分模态分解(VMD)  能量熵  最小二乘支持向量机(LS-SVM)  

分 类 号：TH165.3]