本發明公開了一種基于MFFOA優化SVM的齒輪裂紋故障在線監控方法,通過安裝在減速箱主動軸上的振動傳感器采集齒輪嚙合過程中的振動信號樣本集表示為X=[x(1),x(2),…,x(n)],n表示信號長度,其中齒輪裂紋失效形式是疲勞裂紋,通過局域均值分解(LMD)可以將所提取的原始振動信號分解為包含不同頻段的多個PF分量,并且對每個PF分量進行FFT變換,計算其所包含主要的頻率成分,且振動信號在LMD分解中,信號分量的強度是由大到小排列,因此可以確定所包含主要故障信息的PF分量,對PF分量的振動發生頻段信號提取置換熵,將分解結果的置換熵作為改進型SVM模型的輸入,進行SVM模型的訓練和測試。本專利在計算精度和效率方面具有綜合優勢,能夠滿足齒輪裂紋故障診斷的需求。
聲明:
“基于MFFOA優化SVM的齒輪裂紋故障在線監控方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)