基于MCKD-EEMD近似熵和TWSVM的齿轮箱故障诊断

来源：计算机测量与控制杂志2017年第12期北京时间：

作者：张曹,陈珺,刘飞

摘要：在复杂环境下齿轮箱信号往往会淹没在噪声信号中,特征向量难以提取；为了有效地进行故障诊断,提出了基于最大相关反褶积(MCKD)总体平均经验模态分解(EEMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法;首先采用MCKD方法对强噪声信号进行滤波处理,在采用EEMD方法对齿轮箱信号进行分解,分解后得到本征模函数(IMF)分量进行近似熵求解,得到齿轮特征向量,最后将其输入到TWSVM分类器中进行故障识别;仿真实验表明,采用MCKD-EEMD方法能够有效地提取原始信号,与其他分类器相比,TWSVM的计算时间短,分类效果好等优点。

关键词：最大相关反褶积;总体平均经验模态分解;近似熵;双子支持向量机;齿轮箱故障诊断

基金资助：国家自然科学基金资助(61403167)。