论文摘要
为了提高齿轮非平稳、非线性振动信号故障特征的可辨识性提出一种变分模态分解方法与正交局部保持投影的齿轮故障状态识别模型。该模型首先利用VMD对齿轮故障振动信号分解,接着对含有敏感信息的本征模态函数进行特征初步提取并构造高维观测样本,再用流形学习OLPP算法对高维观测样本特征进行压缩和二次提取,最后选用随机森林与概率神经网络算法实现模式识别。结果表明:该模型可以有效的抑制噪声对数据内在本质结构的破坏,提高了故障诊断的准确率且具有很好的泛化学习能力。
论文目录
文章来源
类型: 期刊论文
作者: 魏永合,马步芳,刘炜,李宏林
关键词: 齿轮故障,变分模态分解,特征提取,模式识别
来源: 组合机床与自动化加工技术 2020年03期
年度: 2020
分类: 工程科技Ⅱ辑,信息科技
专业: 机械工业,电信技术
单位: 沈阳理工大学机械工程学院,内蒙古北方重工业集团有限公司南京分公司
基金: 国家高技术研究发展计划(863计划)资助项目(2012AA041303),辽宁省科技工业公关项目(2013220022)
分类号: TH132.41;TN911.6
DOI: 10.13462/j.cnki.mmtamt.2020.03.002
页码: 3-6+12
总页数: 5
文件大小: 1719K
下载量: 91