基于改进小波阈值-SVM的齿轮故障信号识别

基于改进小波阈值-SVM的齿轮故障信号识别

论文摘要

针对在齿轮疲劳试验中需要多次停机拍照的问题,提出基于改进的小波域阈值降噪方法,对采集的齿轮啮合的声发射信号分析,并提取特征矢量作为支持向量机的输入特征向量,识别出故障信号,根据齿轮旋转周期,确定缺陷轮齿。与开箱拍照的记录进行对比,计算得出的问题轮齿和照片记录吻合。该方法减少了因停机拍照造成的齿轮工作数据采集不准确的问题,同时也减少了工作人员的工作量,在后续的实验中该方法得到了有效的应用。

论文目录

  • 0 前言
  • 1 改进后的小波阈值降噪
  • 2 支持向量机SVM
  • 3 齿轮疲劳实验机及其流程
  •   3.1 实验平台
  •   3.2 实验流程
  • 4 齿轮疲劳实验数据分析
  •   4.1 拍照记录分析
  •   4.2 信号处理分析
  •   4.3 故障信号分离及定位
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 王康,贺敬良,耿开贺,陈勇,韩福宁

    关键词: 小波阈值,声发射,故障识别

    来源: 机床与液压 2019年22期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 机械工业

    单位: 北京信息科技大学机电学院,北京电动车辆协同创新中心,北京理工大学机械与车辆学院

    基金: 科技创新服务能力建设-科研基地建设-新能源汽车北京实验室(市级)(PXM2017_014224_000005_00249684_FCG)

    分类号: TH132.41

    页码: 174-177

    总页数: 4

    文件大小: 1314K

    下载量: 124

    相关论文文献

    标签:;  ;  ;  

    基于改进小波阈值-SVM的齿轮故障信号识别
    下载Doc文档

    猜你喜欢