基于SVD與ELM的齒輪故障診斷技術(shù)研究.pdf

1、齒輪箱作為旋轉(zhuǎn)機械中重要部件之一，其能否正常運行對整臺甚至整套機械設(shè)備的正常工作和使用產(chǎn)生具有重大影響。因為齒輪箱特殊的工作環(huán)境，容易引發(fā)多個組件、零件故障，所以及時對齒輪箱振動數(shù)據(jù)進行檢測,準確識別出齒輪箱運行過程中的故障并且及時更換故障零件，對提高旋轉(zhuǎn)機械整體運行可靠性具有重大意義。
　　本文敘述集合經(jīng)驗?zāi)B(tài)分解、奇異值分解分解及極限學習機齒輪箱故障診斷和識別領(lǐng)域的使用情況。通過對齒輪箱故障診斷和識別模型的研究，提出了EEM

2、D-SVD故障特征提取和EEMD-ELM故障識別的方法。對振動數(shù)據(jù)做EEMD分解得到一系列固有模態(tài)分量，對其進行有效的篩選并且重構(gòu)，對重構(gòu)的信號構(gòu)造Ha nkel矩陣，再通過SVD對矩陣做正交分解，利用奇異值差分譜來選擇奇異值進行SVD重構(gòu)，由此實現(xiàn)對故障特征的提取。然后提取與原信號相關(guān)較大的IMF能量值作為故障識別模型的輸入向量，建立齒輪箱ELM故障分類模型。
　　最后，通過齒輪箱實驗驗證EEMD-SVD方法可以高效、準確提取齒