论文部分内容阅读
提出了一种基于局部特征尺度分解（LCD）和核最近邻凸包（KNNCH）分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量（ISC），然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH 分类器，根据其输出结果来判断齿轮的工作状态。实验分析结果表明，所提出的方法能有效地提取齿轮故障特征信息，而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。同时，与支持向量机（SVM）算法的对比分析结果表明， KNNCH 算法能取得与SVM算法相当或更高的正确识别率。