论文部分内容阅读
齿轮故障信号具有不平稳特性，故障信号特征向量难提取，典型的齿轮故障数据样本少。针对这些问题，本文提出基于经验模式分解（ EMD）和支持向量机（ SVM）相结合的诊断方法。首先通过传感器采集得到加速度信号，再通过EMD分解将加速度信号分解成多个稳定的本征模态函数信号（ IMFs）。因为SVM能够在小样本集情况下建立决策规则，所以将IMFs的前几项作为特征向量输入SVM训练，对样本训练、测试并诊断故障。齿轮故障诊断实验结果表明：本文所提出方法诊断准确率达92.5％，可实现齿轮故障信息提取和齿轮故障的有效诊断。