基于LMD和RBF结合的齿轮箱故障诊断

来源：机床与液压杂志2015年第7期北京时间：

作者：刘述文

单位：中北大学；中北大学；中北大学

摘要：局域均值分解(Local Mean Decomposition, LMD)是近年来出现的一种新的时频分析方法，在机械设备故障诊断领域中的应用日益广泛。针对齿轮箱振动故障信号的非平稳性和非线性，提出了一种基于局域均值分解和径向基函数神经网络(Radial Basis Function Neural Network，RBF)相结合的齿轮箱故障诊断方法。该方法利用小波包对原始信号进行消噪；利用LMD对处理后信号进行分解，得到一系列PF分量（Product Function,PF）；选取包含主要故障信息的PF分量并从中提取偏度系数等特征参数对RBF神经网络进行训练，并对齿轮箱故障进行识别和分类。通过实例验证了该方法的有效性。

关键词：齿轮箱;LMD;RBF神经网络;故障诊断

基金资助：国家自然科学基金项目 (50875247)