首页 > 期刊 > 自然科学与工程技术 > 信息科技 > 电子信息科学综合 > 新一代信息技术 > 基于EEMD和PSO-SVM的齿轮箱故障诊断 【正文】
摘要:针对齿轮振动信号的非平稳非线性问题,提出了一种基于集合经验模态分解(EEMD)和支持向量机结合粒子群优化算法(PSO-SVM)的齿轮箱信号分析和故障诊断方法。首先利用小波包对原始信号进行去噪处理,将去噪信号进行EEMD分解,得到多个本征模函数(IMF)。然后计算得到每个本征模函数的能量熵,用作支持向量机训练的特征向量。最后使用PSO优化参数的SVM和BP神经网络方法分别对故障数据进行诊断。实验结果表明,该方法可以有效地应用于齿轮箱的故障诊断。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
一对一咨询服务、简单快捷、省时省力
了解更多 >直邮到家、实时跟踪、更安全更省心
了解更多 >去除中间环节享受低价,物流进度实时通知
了解更多 >正版杂志,匹配度高、性价比高、成功率高
了解更多 >