[发明专利]基于SVD分解降噪和相关性EEMD熵特征的齿轮故障诊断方法在审
| 申请号： | 201510146250.0 | 申请日： | 2015-03-30 |
| 公开（公告）号： | CN104748961A | 公开（公告）日： | 2015-07-01 |
| 发明（设计）人： | 程刚;李宏宇;陈曦晖 | 申请（专利权）人： | 中国矿业大学 |
| 主分类号： | G01M13/02 | 分类号： | G01M13/02;G06F19/00;G06N3/02 |
| 代理公司： | 四川君士达律师事务所 51216 | 代理人： | 芶忠义 |
| 地址： | 221000*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于SVD分解降噪和相关性EEMD熵特征的齿轮故障诊断方法，利用加速度振动传感器采集实验台齿轮振动信号，得到的信号包括齿轮正常、齿轮断齿、齿轮少齿、齿轮磨损四种故障类型；利用通过相关性分析和信噪比优化的SVD分解降噪方法对包含高斯白噪声的模拟强噪声背景的四种齿轮状态信号进行降噪处理；利用EEMD分解方法分别对降噪之后的四类信号进行分解，根据相关系数选取有效的IMF分量；将得到的每组有效IMF分量进行样本熵计算，并构建由IMF样本熵组成的特征向量；利用PNN神经网络识别四种不同的齿轮故障。本发明能够在强噪声背景下有效地识别齿轮故障类型，是一种有效的齿轮故障诊断方法。 | ||
| 搜索关键词： | 基于 svd 分解 相关性 eemd 特征 齿轮 故障诊断 方法 | ||
【主权项】：
一种基于SVD分解降噪和相关性EEMD熵特征的齿轮故障诊断方法，其特征在于，包括以下步骤：步骤1，利用加速度振动传感器采集实验台齿轮振动信号，得到的信号包括齿轮正常、齿轮断齿、齿轮少齿、齿轮磨损四种故障类型；步骤2，利用通过相关性分析和信噪比优化的SVD分解降噪方法对包含高斯白噪声的模拟强噪声背景的四种齿轮状态信号进行降噪处理；步骤3，利用EEMD分解方法分别对降噪之后的四类信号进行分解，根据相关系数选取有效的IMF分量；步骤4，将得到的每组有效IMF分量进行样本熵计算，并构建由IMF样本熵组成的特征向量；步骤5，利用PNN神经网络识别四种不同的齿轮故障。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国矿业大学;，未经中国矿业大学;许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510146250.0/，转载请声明来源钻瓜专利网。
