EMD分解与多特征融合的齿轮故障诊断方法

来源：机床与液压杂志2016年第3期北京时间：

作者：秦波

单位：内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院

摘要：为解决齿轮振动信号在现实中难以获取大量典型故障样本和分类的精确度低的问题，提出基于EMD分解与多特征融合的齿轮故障诊断方法。首先，提取反映信号特征的各项参数指标作为特征向量；其次，利用经验模式分解（EMD）对原始信号进行分解，进而提取分解后各本征模式分量（IMF）的能量指标组成特征向量；然后，将其与信号特征各项参数融合成特征向量组合，并将其作为SVM多故障分类器的训练样本进行训练，实现齿轮的智能诊断。通过实验室轴承的故障诊断研究表明:该方法对于齿轮的各种状态具有很好的分类精确度，更加有效地识别齿轮故障类型。

关键词：EMD;本征模式分量;特征向量;支持向量机

基金资助：国家自然科学基金资助项目（21366017）；内蒙古科技厅高新技术领域科技计划重大项目（20130302）