EEMD与HMM在齿轮故障诊断方法中的研究
来源期刊:机械设计与制造2021年第1期
论文作者:谢蓉仙 任芳 杨兆建
文章页码:28 - 31
关键词:平均经验模态分解;隐马尔科夫模型;特征向量;齿轮;振动信号;故障诊断;
摘 要:为了解决EMD方法存在的模态混叠的问题,更加精确有效的利用振动信号进行齿轮的故障识别和诊断,提出一种将总体平均经验模态分解(EEMD)和隐马尔科夫模型(HMM)结合的齿轮故障诊断方法。首先对采集到的原始齿轮振动信号进行EEMD处理,获得包含主要故障信息的各阶固有模态函数(IMF)分量,以能量为元素,提取并构造特征向量,对特征向量进行HMM模型训练和诊断测试,来识别齿轮的工作状态和故障类型,实验结果表明,该方法可以有效提高齿轮的故障诊断准确率和精度。
谢蓉仙1,2,任芳1,2,杨兆建1,2
1. 太原理工大学机械工程学院2. 煤矿综采装备山西省重点实验室
摘 要:为了解决EMD方法存在的模态混叠的问题,更加精确有效的利用振动信号进行齿轮的故障识别和诊断,提出一种将总体平均经验模态分解(EEMD)和隐马尔科夫模型(HMM)结合的齿轮故障诊断方法。首先对采集到的原始齿轮振动信号进行EEMD处理,获得包含主要故障信息的各阶固有模态函数(IMF)分量,以能量为元素,提取并构造特征向量,对特征向量进行HMM模型训练和诊断测试,来识别齿轮的工作状态和故障类型,实验结果表明,该方法可以有效提高齿轮的故障诊断准确率和精度。
关键词:平均经验模态分解;隐马尔科夫模型;特征向量;齿轮;振动信号;故障诊断;