基于LMD和RBF结合的齿轮箱故障诊断

摘要：

局域均值分解(Local Mean Decomposition,LMD)是近年来出现的一种新的时频分析方法,在机械设备故障诊断领域中的应用日益广泛.针对齿轮箱振动故障信号的非平稳性和非线性,提出了一种基于局域均值分解和径向基函数神经网络(Radial BasisFunction Neural Network,RBF)相结合的齿轮箱故障诊断方法.该方法利用小波包对原始信号进行消噪;利用LMD对处理后信号进行分解,得到一系列PF分量(Product Function,PF);选取包含主要故障信息的PF分量并从中提取偏度系数等特征参数对RBF神经网络进行训练,并对齿轮箱故障进行识别和分类.通过实例验证了该方法的有效性.

关键词：齿轮箱、LMD、RBF神经网络、故障诊断

所属期刊栏目：43

分类号：TK427(内燃机)

资助基金：国家自然科学基金项目50875247

在线出版日期：2015-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：181-184