基于MEEMD多特征融合与LS-SVM的行星齿轮箱故障诊断

作者：蔡波; 黄晋英; 杜金波; 马健程; 王智超

来源：中国测试, 2021, 47(09): 126-132.

• 行星齿轮箱
• 改进的集成经验模态分解
• 多特征融合
• 最小二乘支持向量机
• 故障诊断

针对行星齿轮箱振动信号非线性、非平稳性特点及故障特征难以有效提取的问题,提出基于改进的集成经验模态分解(MEEMD)多特征融合和最小二乘支持向量机(LS-SVM)的行星齿轮箱故障诊断方法。首先,利用MEEMD分解不同工况下的齿轮振动信号,得到一系列固有模态分量。其次,根据相关系数筛选出3阶敏感模态分量并计算对应的样本熵和能量,将二者融合组成高维特征向量,最后,将融合特征向量作为最小支持向量机(LSSVM)的输入,对齿轮进行故障分类。在行星齿轮箱实验台上开展实验,与基于单特征构成的特征向量进行对比,并与概率神经网络(PNN)分类算法进行对比,结果验证该方法的有效性和优越性。

• 单位
  中北大学; 北京北方车辆集团有限公司