本发明公开了一种基于MFFOA优化SVM的齿轮裂纹故障在线监控方法,通过安装在减速箱主动轴上的振动传感器采集齿轮啮合过程中的振动信号样本集表示为X=[x(1),x(2),…,x(n)],n表示信号长度,其中齿轮裂纹失效形式是疲劳裂纹,通过局域均值分解(LMD)可以将所提取的原始振动信号分解为包含不同频段的多个PF分量,并且对每个PF分量进行FFT变换,计算其所包含主要的频率成分,且振动信号在LMD分解中,信号分量的强度是由大到小排列,因此可以确定所包含主要故障信息的PF分量,对PF分量的振动发生频段信号提取置换熵,将分解结果的置换熵作为改进型SVM模型的输入,进行SVM模型的训练和测试。本专利在计算精度和效率方面具有综合优势,能够满足齿轮裂纹故障诊断的需求。
声明:
“基于MFFOA优化SVM的齿轮裂纹故障在线监控方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)