机械设计与制造杂志社

2021, No.361(03) 270-275

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

VMD能量熵与随机森林相结合的齿轮故障诊断
Gear Fault Diagnosis Based on VMD Energy Entropy and Random Forest

周旺平;王蓉;许沈榕;宋晓莉;

摘要(Abstract):

针对齿轮故障的非线性、非稳定性特点和单个分类器在故障诊断中准确率低的问题,提出了一种基于变分模态分解(VMD)和随机森林(RF)的齿轮故障识别方法。首先,采用变分模态分解将振动信号分解成有限个本征模态函数(IMFs),并与总体平均经验模态分解对比其分解效果;其次,计算各模态函数的能量熵,将能量熵作为评判齿轮状态的标准,构建特征向量;最后,将特征向量输入随机森林进行故障分类。结果表明,与支持向量机(SVM)识别方法对比,该方法具有较强的学习能力以及较高的诊断精度。

关键词(KeyWords): 变分模态分解;随机森林;齿轮;能量熵;故障诊断

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(No.11673045)

作者(Author): 周旺平;王蓉;许沈榕;宋晓莉;

Email:

DOI: 10.19356/j.cnki.1001-3997.2021.03.061

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享