基于EEMD-PSO-ELM的RV减速器故障诊断模型

来源：计算机集成制造系统杂志2023年第1期北京时间：

作者：刘永明, 叶国文, 赵转哲, 张振

单位：1.安徽工程大学机械工程学院2.安徽工程大学人机自然交互和高效协同技术研究中心安徽省新型研发机构

摘要：为了准确评估旋转矢量(RV)减速器的工作状态,针对RV减速器故障不明显、样本数据少、难诊断的问题,首先从理论上证明RV减速器正常运行时扭矩传递时具有周期性,利用旋转机械测试信号周期演变特征和集成经验模态分解(EEMD)可以有效反映数据周期性的特点,提出一种基于EEMD的粒子群优化(PSO)算法的极限学习机(ELM)故障诊断模型,同时采用西安交通大学轴承实验数据集验证了模型性能。在此基础上,将RV减速机测试平台所测得的数据代入所提模型,最后与其他模型进行对比,结果显示所提模型能够更有效地判断出RV减速机的工作状态。

关键词：旋转矢量减速器,集成经验模态分解,粒子群优化算法,极限学习机,故障诊断

基金资助：安徽省自然科学基金面上资助项目(1808085ME127);安徽工程大学引进人才科研启动基金资助项目(2019YQ0004);RV减速器隐性故障诊断应用性能提升技术资助项目(2022AH050995);安徽工程大学-鸠江区产业协同创新专项基金资助项目(2021cyxtb9);安徽省智能机器人信息融合与控制工程实验室开放课题资助项目(IFCIR2020001)。