基于HGWO-MSVM的齿轮箱故障诊断研究 |
| |
引用本文: | 孙明波,马秋丽,雷俊辉,张炎亮.基于HGWO-MSVM的齿轮箱故障诊断研究[J].组合机床与自动化加工技术,2018(5). |
| |
作者姓名: | 孙明波 马秋丽 雷俊辉 张炎亮 |
| |
作者单位: | 郑州大学管理工程学院 |
| |
摘 要: | 针对齿轮箱多类故障信号非线性、不确定性难以进行有效识别的问题,提出了一种混合灰狼优化算法(Hybrid Grey Wolf Optimizer,HGWO)优化多分类支持向量机(Multi-class Support Vector Machine,MSVM)的齿轮箱故障诊断方法。首先利用小波包对齿轮箱故障信号进行降噪处理,并通过信号中各频带的能量,提取能量特征值,再将获取的特征值输入优化后的MSVM模型进行故障模式的识别。实验结果表明,相对于传统的诊断模型,基于HGWO-MSVM的齿轮箱故障诊断模型能够更有效地诊断齿轮箱的实际运行状态,提高识别效率和精度。
|
本文献已被 CNKI 等数据库收录! |
|