基于倍频能量与RBF、SVM的齿轮皮带系统故障诊断

作者：王泽文; 江帆; 曹保钰

来源：机械设计与制造, 2013, (03): 53-55+58.

DOI：10.19356/j.cnki.1001-3997.2013.03.017

• 齿轮皮带系统
• 倍频能量
• RBF神经网络
• 支持向量机
• 故障诊断 Gear-Belt System
• Frequency Multiplication Energy
• RBF Neural Network
• Support Vector Machine
• Fault Diagnosis

为实现对不同工况下的齿轮皮带系统中不同齿轮故障的诊断与分类,将不同故障状态的齿轮和不同松紧程度的皮带组合进行多状态模拟实验,采集各种状态下的齿轮振动信号,提取具有明确物理意义的振动信号倍频能量作为特征向量,最后分别采用径向基函数(Radial Basis Function,RBF)神经网络和支持向量机(Support Vector Machine,SVM)对不同皮带张紧状态下齿轮故障进行诊断分类,并将两种方法诊断的结果进行比较。研究结果表明,振动信号的倍频能量能够较好地反映齿轮的故障特征,RBF神经网络和SVM都能有效地识别齿轮的故障类型,SVM对于齿轮皮带系统的故障诊断准确率相对更高。

• 单位
  中国矿业大学; 中国矿业大学（北京）