基于LMD样本熵与ELM的行星齿轮箱故障诊断

作者：张宁; 魏秀业; 徐晋宏

来源：机械传动, 2020, 44(04): 152-157.

DOI：10.16578/j.issn.1004.2539.2020.04.024

• 行星齿轮箱
• 局域均值分解
• 样本熵
• 极限学习机
• 故障诊断

为了解决行星齿轮箱故障特征提取困难的问题,考虑到行星齿轮箱振动信号的耦合、非线性的特点,提出基于局域均值分解(LMD)的样本熵和极限学习机(ELM)结合的行星齿轮箱故障诊断方法。首先,利用局域均值分解方法将振动信号自适应地分解为多个PF分量,结合相关系数选取包含主要故障信息的前4个PF分量。其次,应用样本熵方法进行计算,组成特征向量。最后,将特征向量输入极限学习机进行故障分类。在行星齿轮箱实验台上进行了实验,与基于概率神经网络(PNN)分类算法进行了对比,并与基于奇异值分解(SVD)构成的特征向量进行了对比,结果验证了该方法的有效性。

• 单位
  中北大学