作者：魏永合; 魏超; 冯睿智; 王晶晶齿轮故障故障识别
摘要：由于传统智能故障诊断方法所需调整参数多且难以确定、训练速度慢,致使齿轮轴承故障分类精度、效率差的问题,提出一种基于集合经验模态分解与极限学习机结合的齿轮诊断方法。首先将采集的信号经EEMD后,提取与原信号相关较大的IMF能量指标,建立齿轮的极限学习机故障分类模型;最后,将能量指标组成的特征向量作为模型输入进行齿轮不同故障状态的分类识别。把ELM识别的结果与SVM识别结果作对比,结果表明ELM的齿轮故障诊断方法具有较快的运行速度、较高的分类精度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《组合机床与自动化加工技术》（CN：21-1132/TG）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度，颇受业界和广大读者的关注和好评。 《组合机床与自动化加工技术》主要讨论新技术在生产工程领域内的实际应用，内容侧重大批量制造技术及成套技术装备的开发设计。读者对象为从事机电装备研发与设计的工程师、高等机电院校的师生及学者等。
杂志详情
