基于LMD云模型与PSO-KELM的齿轮箱故障诊断 |
| |
引用本文: | 赵小惠,谭琦,胡胜,杨文彬,郇凯旋,张智杰.基于LMD云模型与PSO-KELM的齿轮箱故障诊断[J].机械传动,2023(2):157-163. |
| |
作者姓名: | 赵小惠 谭琦 胡胜 杨文彬 郇凯旋 张智杰 |
| |
作者单位: | 西安工程大学机电工程学院 |
| |
基金项目: | 国家自然科学基金(72001166);;陕西省科技计划项目(2022JQ-721); |
| |
摘 要: | 由于齿轮箱故障振动信号具有非平稳性与不确定性的特点,导致齿轮箱故障诊断精度较低。针对该问题提出一种基于局部均值分解(LMD)云模型特征提取结合粒子群优化(PSO)核极限学习机(KELM)的齿轮箱故障诊断方法。首先,将故障振动信号用LMD分解得到若干PF分量,并利用相关系数原则筛选出相关性较高的PF分量;其次,在云模型中输入筛选后的PF分量,采用逆向云发生器对特征向量进行提取并输入到PSO-KELM中进行故障诊断;最后,利用QPZZ-Ⅱ实验台齿轮箱实测数据对该方法进行了性能分析。结果表明,该方法识别精度为97.65%,与多种方法进行对比,该方法具备最佳识别性能。
|
关 键 词: | 齿轮箱 故障诊断 局部均值分解 云模型 粒子群优化核极限学习机 |
|
|