基于希爾伯特-黃變換和支持向量機(jī)的齒輪箱故障診斷研究.pdf

1、齒輪箱作為機(jī)械設(shè)備中一個(gè)重要的組成部分，對(duì)其進(jìn)行狀態(tài)檢測(cè)和故障診斷具有很強(qiáng)的現(xiàn)實(shí)意義。本文通過(guò)對(duì)齒輪箱常見(jiàn)故障進(jìn)行模擬實(shí)驗(yàn)，利用希爾伯特變換法（HHT）對(duì)測(cè)得的故障信號(hào)進(jìn)行特征值提取，進(jìn)而利用支持向量機(jī)（SVM）的方法對(duì)齒輪箱故障狀態(tài)進(jìn)行識(shí)別，得到了較好的效果。
　　齒輪箱故障診斷主要包括診斷信息的獲取，故障特征值的提取和模式識(shí)別三個(gè)部分。其中故障特征的提取和狀態(tài)識(shí)別是齒輪箱故障診斷的關(guān)鍵。當(dāng)齒輪箱發(fā)生故障時(shí)，其振動(dòng)信號(hào)往往表現(xiàn)為

2、非平穩(wěn)性，本文提出的希爾伯特黃變換法中的EMD分解法是基于信號(hào)的局部時(shí)間特征尺度，具有很強(qiáng)的自適應(yīng)性，可以將信號(hào)分解為有限個(gè)內(nèi)稟模態(tài)函數(shù)（IMF）之和，每個(gè)IMF分量分別包括了不同時(shí)間特征尺度大小的成分，其尺度依次由小到大，因此，每個(gè)IMF分量包含了從高到低不同頻率段信號(hào)成分。本文將EMD方法引入齒輪箱故障診斷，選取故障信息明顯的IMF分量，進(jìn)而求得邊際譜圖，實(shí)現(xiàn)了齒輪箱故障初步診斷。
　　支持向量機(jī)方法是統(tǒng)計(jì)學(xué)習(xí)的一種，是在統(tǒng)計(jì)