基于EEMD和SVM的齒輪箱故障診斷與識(shí)別.pdf

1、齒輪箱作為機(jī)械設(shè)備的必要組成部分，是傳遞機(jī)械運(yùn)動(dòng)和動(dòng)力的重要工具，齒輪箱在高負(fù)載和高轉(zhuǎn)速的狀態(tài)下長(zhǎng)期工作，會(huì)使其內(nèi)部零件發(fā)生故障，影響生產(chǎn)效率，因此，對(duì)齒輪箱的故障的準(zhǔn)確和有效的診斷顯得尤為重要。通過(guò)總體經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）結(jié)合希爾伯特-黃變換（HHT）對(duì)故障信息進(jìn)行提取和分析，實(shí)現(xiàn)對(duì)齒輪箱的故障診斷；同時(shí)利用EEMD與支持向量機(jī)（SVM）相結(jié)合，對(duì)齒輪箱故障進(jìn)行識(shí)別，二者均取得了很好的效果，實(shí)現(xiàn)了對(duì)齒輪箱故障的診斷與識(shí)別。

2、　　本文通過(guò)對(duì)齒輪箱產(chǎn)生的振動(dòng)信號(hào)進(jìn)行分析，選取EEMD方法處理非平穩(wěn)、非線性的齒輪箱振動(dòng)信號(hào)，有效的抑制了經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）的端點(diǎn)效應(yīng)和模態(tài)混疊現(xiàn)象，實(shí)現(xiàn)了對(duì)振動(dòng)信號(hào)有效的降噪和特征頻率分解。利用齒輪箱故障診斷平臺(tái)模擬實(shí)際故障，采用時(shí)域波形圖、功率譜圖、EEMD分解圖和Hilbert邊際譜圖等多種時(shí)頻域分析方法，有效的實(shí)現(xiàn)了對(duì)齒輪箱故障的初步診斷。通過(guò)對(duì)振動(dòng)信號(hào)的EEMD分解得到一系列的本征模函數(shù)（IMF），利用自相關(guān)分析選取與原