基于VMD和PSO-SVM的汽车传动轴系故障诊断

论文摘要

针对传动轴系振动信号故障特征难以提取的问题和进行故障诊断时难以获得大量故障样本的实际情况,提出了一种基于VMD和PSO-SVM相结合的传动轴系故障诊断方法。首先,将传动轴系振动信号进行VMD分解,得到本征模态函数IMF;然后,计算IMF的能量值和对应的能量熵值;最后,用粒子群优化（PSO）优化支持向量机（SVM）的参数,并将归一化处理后IMF的能量值及能量熵值作为特征向量,输入到PSO-SVM中来判断传动轴系的工作状态和故障类型。实验结果表明,该方法故障诊断准确率达到94. 44%,可以准确、有效地对传动轴系进行故障诊断。

论文目录

• 0 引言
• 1 实验装置及数据采集系统
• 2 变分模态分解（VMD）
•   2.1 VMD分解原理
•   2.2 不平衡振动信号分析
• 3 基于VMD的故障信号能量特征提取
• 4 基于粒子群优化算法的支持向量机
•   4.1 SVM原理
•   4.2 PSO原理
• 5 故障识别模型的建立及实验结果分析
•   5.1 传动轴系振动信号采集
•   5.2 基于VMD的特征向量的构建
•   5.3 构建PSO-SVM分类器
•   5.4 实验结果分析
• 6 总结

文章来源

类型: 期刊论文

作者: 吴飞,丁军,刘苏行,鲁雄

关键词: 传动轴系,故障诊断,变分模态分解,能量熵,粒子群优化支持向量机

来源: 机械传动 2019年08期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 汽车工业

单位: 武汉理工大学机电工程学院

基金: 国家自然科学基金(51675393)

分类号: U472

DOI: 10.16578/j.issn.1004.2539.2019.08.022

页码: 120-124+149

总页数: 6

文件大小: 4604K

下载量: 208