基于希爾伯特-黃變換和支持向量機的齒輪箱故障診斷研究.pdf

1、齒輪箱作為機械設備中一個重要的組成部分，對其進行狀態(tài)檢測和故障診斷具有很強的現(xiàn)實意義。本文通過對齒輪箱常見故障進行模擬實驗，利用希爾伯特變換法（HHT）對測得的故障信號進行特征值提取，進而利用支持向量機（SVM）的方法對齒輪箱故障狀態(tài)進行識別，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別三個部分。其中故障特征的提取和狀態(tài)識別是齒輪箱故障診斷的關鍵。當齒輪箱發(fā)生故障時，其振動信號往往表現(xiàn)為

2、非平穩(wěn)性，本文提出的希爾伯特黃變換法中的EMD分解法是基于信號的局部時間特征尺度，具有很強的自適應性，可以將信號分解為有限個內稟模態(tài)函數(shù)（IMF）之和，每個IMF分量分別包括了不同時間特征尺度大小的成分，其尺度依次由小到大，因此，每個IMF分量包含了從高到低不同頻率段信號成分。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，進而求得邊際譜圖，實現(xiàn)了齒輪箱故障初步診斷。
　　支持向量機方法是統(tǒng)計學習的一種，是在統(tǒng)計