文献类型：期刊文章

作　　者：周小龙[1] 张耀娟[1] 王尧[1] 陈思[2] 马风雷[3]

ZHOU Xiao-long;ZHANG Yao-juan;WANG Yao;CHEN Si;MA Feng-lei(College of Mechanical Engineering,Beihua University,Jilin Jilin 132021,China;College of Automotive Engineering,Changchun Automobile Industry Institute,Changchun 130013,China;不详)

机构地区：[1]北华大学机械工程学院,吉林吉林132021 [2]长春汽车工业高等专科学校汽车工程学院,长春130013 [3]长春工业大学机电工程学院,长春130012

出　　处：《组合机床与自动化加工技术》

基　　金：国家自然科学基金项目(51505038);吉林省科技厅重点科技攻关项目(KYC-JC-XM-2017-042);吉林省教育厅“十三五”科学研究规划项目(JJKH20190639KJ)。

年　　份：2021

期　　号：2

起止页码：43-46

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：针对齿轮实际工况复杂、故障特征难以提取的问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)复合熵值法的故障诊断方法。首先,采用VMD方法对不同工况下齿轮振动信号进行分解,并对分解过程中关键参数的选择进行了研究;其次,根据频域互相关系数准则筛选出可有效表征齿轮状态特征的固有模态函数(Intrinsic Mode Function,IMF)进行信号重构,为反映齿轮信号在不同尺度上的时-频细节复杂度特征,计算重构信号的样本熵、奇异值熵、功率谱熵和能量熵,形成高维状态特征向量;最后,将高维状态特征向量作为最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)的输入,对齿轮的工作状态和故障类型进行识别分类。通过实测齿轮信号的分析,结果表明,该方法能够有效实现齿轮故障的诊断。

关 键 词：齿轮 故障诊断 变分模态分解  复合熵值法  最小二乘支持向量机

分 类 号：TH17] TG506]