一种基于EMD与多特征支持向量机(SVM)故障诊断方法OACSTPCD
Fault Diagnosis Method Based on EMD and Multi Feature Support Vector Machine(SVM)
针对齿轮箱故障振动信号的不平稳非线性冲击行为,本文提出了一种基于经验模态分解的特征值提取及多特征支持向量机的智能诊断方法.在电机频率分别取30 Hz、35 Hz、40 Hz;载荷分别取0 N?M、15 N?M、30 N?M;采样频率为1500 Hz条件下,进行齿轮正常状态、齿面磨损和齿轮裂痕故障模拟实验.试验结果表明:该创新方法在有限样本数据分析中可以准确、有效地对齿轮箱的工作状态和故障类型进行分类,且支持向量机在故障诊断中使用方便,可以提高诊断…查看全部>>
李明臻
广州供电局有限公司 广东广州 510620
信息技术与安全科学
齿轮箱EMDSVM支持向量机故障诊断
《现代科学仪器》 2020 (1)
86-89,4
评论