基于ICEEMDAN-MPE-RF和SVM的齿轮箱特征提取与故障诊断 |
| |
引用本文: | 丁晓锋,张宇华.基于ICEEMDAN-MPE-RF和SVM的齿轮箱特征提取与故障诊断[J].机车电传动,2023(1):42-50. |
| |
作者姓名: | 丁晓锋 张宇华 |
| |
作者单位: | 上海电力大学电气工程学院 |
| |
基金项目: | 上海市科技创新行动计划项目(19DZ2204700); |
| |
摘 要: | 针对齿轮箱非平稳振动信号特征提取难、特征向量冗余度高和故障识别率低的问题,提出基于改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、多尺度排列熵(Multi-scale permutation entropy,MPE)、随机森林(Random forest,RF)特征重要性排序和支持向量机(Support vector machine,SVM)的齿轮箱特征提取与故障诊断方法。首先,通过ICEEMDAN将各种故障状态的齿轮振动信号分解为一系列不同频率分布的本征模态分量(Intrinsic mode functions,IMF);然后,计算各阶IMF的MPE值获得非平稳信号时频分布下的非线性动力学特征;最后,通过RF算法评估特征重要性,选择高重要性敏感特征组成最优特征子集输入SVM进行故障模式识别。试验结果表明,该方法特征提取和表征能力强,在不同工况下的平均识别率可达99.79%,在多工况和小样本数据集上比其他方法更具稳健性。
|
关 键 词: | 齿轮箱 改进的自适应噪声完备集成经验模态分解 多尺度排列熵 随机森林 支持向量机 特征提取 故障诊断 |
|
|