论文部分内容阅读
针对行星齿轮箱振动信号的非平稳和非线性特征,本文提出了一种基于集合经验模态分解（EEMD）样本熵与最小二乘支持向量机相结合的行星齿轮箱故障诊断方法。首先用EEMD方法对试验采集的齿轮振动信号进行分解,得到一组具有不同时间尺度的固有模态函数（IMF）分量,通过互相关分析选取含有齿轮状态特征信息的IMF分量,然后采用IMF分量的样本熵作为特征向量,利用最小二乘支持向量机（LS-SVM）对故障进行识别。实验数据分析结果表明：该方法可以有效的诊断行星齿轮箱的故障。