留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于EEMD和进化支持向量机的齿轮混合智能诊断方法研究

肖成勇 石博强 冯志鹏

肖成勇, 石博强, 冯志鹏. 基于EEMD和进化支持向量机的齿轮混合智能诊断方法研究[J]. 机械科学与技术, 2015, 34(1): 86-89. doi: 10.13433/j.cnki.1003-8728.2015.0118
引用本文: 肖成勇, 石博强, 冯志鹏. 基于EEMD和进化支持向量机的齿轮混合智能诊断方法研究[J]. 机械科学与技术, 2015, 34(1): 86-89. doi: 10.13433/j.cnki.1003-8728.2015.0118
Xiao Chengyong, Shi Boqiang, Feng Zhipeng. Hybrid Intelligent Diagnosing Based on EEMD and Genetic-support Vector Machine[J]. Mechanical Science and Technology for Aerospace Engineering, 2015, 34(1): 86-89. doi: 10.13433/j.cnki.1003-8728.2015.0118
Citation: Xiao Chengyong, Shi Boqiang, Feng Zhipeng. Hybrid Intelligent Diagnosing Based on EEMD and Genetic-support Vector Machine[J]. Mechanical Science and Technology for Aerospace Engineering, 2015, 34(1): 86-89. doi: 10.13433/j.cnki.1003-8728.2015.0118

基于EEMD和进化支持向量机的齿轮混合智能诊断方法研究

doi: 10.13433/j.cnki.1003-8728.2015.0118
基金项目: 

中央高校基本科研业务费专项资金项目(FRF-TP-12-065A)

国家自然科学基金项目(11272047)

教育部新世纪优秀人才支持计划项目(NCET-12-0775)

国家863计划项目( 2011AA060404,2011AA060408)

详细信息
    作者简介:

    肖成勇(1978-),讲师,博士,研究方向为机械设备状态监测、信号分析及智能诊断,xcyustb@163.com

Hybrid Intelligent Diagnosing Based on EEMD and Genetic-support Vector Machine

  • 摘要: 针对齿轮早期故障特征不明显,提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)和进化支持向量机相结合的齿轮故障智能诊断方法。利用EEMD能对齿轮振动信号进行自适应的分解成若干本征模式分量(intrinsic mode function,IMFs),并能有效抑制经典经验模式分解可能出现的模式混叠现象。以所得的IMF分量中提取出来的能量特征为输入建立进化支持向量机,判断齿轮的故障状态。结果表明:建立的混合智能诊断方法的分类正确率最高,能有效诊断齿轮早期故障。
  • [1] Meltzer G, Dien N P. Fault diagnosis in gears operating under non-stationary rotational speed using polar wavelet amplitude maps[J]. Mechanical Systems and Signal Processing,2004,18(5):985-992
    [2] Stasxewski W J, Wordcn K, Tomlinson G R. Time-frequency analysis in gearbox fault detections using the Wigner-Ville distribution and pattern recognition[J]. Mechanical System and Signal Processing,1997,11:673-692
    [3] Loutridis S J. Damage detection in gear systems using empirical made decomposition[J]. Engineering Structures,2004, 26:1833-1841
    [4] Wu Z H, Huang N E. Ensemble empirical mode decomposition: a noise-assisted data analysis method[J]. Advances in Adaptive Data Analysis,2009,1(1):1-41
    [5] 陈略,訾艳阳,何正嘉,等.总体平均经验模式分解与1.5维谱方法的研究[J].西安交通大学学报,2009,43(5):94-98 Chen L, Zi Y Y, He Z J, et al. Research and application of ensemble empirical mode decomposition principle and 1.5 dimension spectrum method[J]. Journal of Xi'an Jiaotong University,2009,3(5):94-98 (in Chinese)
    [6] Zhang J, Yan R Q, Robert X.Gao, Feng Z H. Performance enhancement of ensemble empirical mode decomposition[J]. Mechanical Systems and Signal Processing,2010,24:2104-2133
    [7] 张周锁,李凌均,何正嘉.基于支持向量机的多故障分类器及应用[J].机械科学与技术,2004,23(5):536-538 Zhang Z S, Li L J, He Z J. Multi-fault classifier based on support vector machine and its applications[J].Mechanical Science and Technology,2004,23(5):536-538 (in Chinese)
    [8] 肖成勇,石博强,王文莉,等.基于小波包和进化支持向量机的齿轮早期诊断研究[J].振动与冲击,2007,26 (7):10-12 Xiao C Y, Shi B Q, Wang W L, et al. Gear incipient diagnosing based on wavelet packet and genetic-support vector machine[J]. Journal of vibration and Shock,2007,26 (7):10-12 (in Chinese)
  • 加载中
计量
  • 文章访问数:  151
  • HTML全文浏览量:  18
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-07-27
  • 刊出日期:  2015-01-05

目录

    /

    返回文章
    返回