科研之友
微信
新浪微博
Facebook
分享链接
摘要
鉴于现有行星齿轮传动箱应用在多种复杂环境,且在外界扰动较大时,齿轮磨损故障信号具有非平稳等特点,很难准确分离和识别出故障信号及故障类型,为解决问题,提出了一种基于互补集合经验模态分解(CEEMD)、混沌粒子群核极限学习机(CPSO-ELM)的行星齿轮传动箱故障信号处理及识别算法。为了验证CPSO-ELM算法对行星齿轮传动箱故障识别的优越性,引入传统的SVM分类器进行故障实验对比。实验结果表明CPSO-ELM算法识别更加精确、识别速度快,验证了本文提出的行星齿轮传动箱故障研究算法的有效性。
- 单位
