机械设计与研究

机械设计与研究 ›› 2018, Vol. 34 ›› Issue (02): 81-84+89.doi: 10.13952/j.cnki.jofmdr.a4556

• 论文 • 上一篇    下一篇

基于VMD能量熵与支持向量机的齿轮故障诊断

张超;朱腾飞;王大勇;   

  1. 内蒙古科技大学机械工程学院;
  • 发布日期:2020-07-26

  • Published:2020-07-26

摘要： 针对机械设备的齿轮运行受环境噪声影响严重以及难以获得大量故障样本的问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)能量熵特征与支持向量机相结合的齿轮故障诊断方法。首先是利用变分模态分解对机械振动信号进行处理得到若干个模态分量,同时利用传统的经验模态分解(EMD)对相同信号进行分解再对比两种方法的分解效果,然后计算变分模态分解各模态分量的能量熵作为特征值,最后将特征值作为支持向量机的输入进行故障诊断。实验结果表明VMD可以较好的将复杂的振动信号分解并且一定程度抑制模态混叠现象的发生,以VMD能量熵特征与支持向量机相结合的方法可以迅速、有效的实现齿轮的故障诊断。

关键词: 齿轮, 故障诊断, 变分模态分解(VMD), 能量熵, 最小二乘支持向量机(LS-SVM)

Key words: gear, fault diagnosis, VMD, energy entropy, LS-SVM