基于EEMD和二维边际谱熵的齿轮箱故障诊断

在线阅读 下载PDF 导出详情
摘要 针对信号经验模态分解(EMD)过程中存在波形混叠现象,提出一种基于聚合经验模态分解(EEMD)和Hilbert二维边际谱熵相结合的方法对齿轮箱故障进行分类故障诊断.首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对3种工况信号进行Hilbert变换并计算得到边际谱,并且提取二维边际谱熵作为支持向量机(SVM)的输入量,建立故障诊断模型.经测试该方法在齿轮箱故障诊断方面有着较强的分类能力和诊断精度,具有一定的可行性.
机构地区 不详
出处 《车辆与动力技术》 2013年4期
出版日期 2013年04月14日(中国期刊网平台首次上网日期,不代表论文的发表时间)
  • 相关文献