摘要
基于PSO‑VMD和多类支持向量机的发动机齿轮箱的故障诊断方法,其属于发动机齿轮箱的故障诊断技术领域。本方法利用PSO算法对VMD的分量个数K惩罚因子α两个参数进行优化,利用优化后的VMD方法对振动信号进行模态分解,得到若干IMF分量;通过计算IMF分量的能量,选取敏感模态;对敏感模态进行重构,完成对振动信号的降噪处理。提取重构振动信号进行特征变量,将提取的特征变量输入到最小间隔最大化的多类支持向量机,选取适合的可调参数p和松弛变量s,完成对发动机齿轮箱的故障诊断。仿真实验表明,本发明方法能够使发动机齿轮箱的故障诊断的准确率得到显著提高。
技术关键词
发动机齿轮箱
故障诊断方法
粒子群优化算法
包络
变分模态分解算法
重构
振动加速度传感器
齿轮振动信号
变量
信息熵
松弛
故障诊断技术
因子
信号降噪
参数
支持向量机
数学模型
系统为您推荐了相关专利信息
自主路径规划方法
视觉
无人机巡检技术
粒子群算法
无人机路径规划
转换器
特征选择
通道注意力机制
粒子群优化算法
无监督学习方法
协同仿真方法
水下航行器
MPC算法
制导算法
力矩
模拟模型
集合卡尔曼滤波方法
参数
随机采样方法
水流