基于CEEMDAN样本熵与PNN的行星齿轮故障诊断

摘要：

为对行星齿轮进行故障诊断,采用自适应噪声完备总体经验模态分解(CEEMDAN)方法对采集的信号进行分解.对分解得到的各IMF分量进行相关系数计算,优选出与原始信号相关性较大的前4阶分量进行样本熵计算,得到特征值,构成特征向量.将特征向量输入到概率神经网络系统中进行诊断,且与基于局域均值分解的样本熵特征提取方法的诊断结果进行对比.结果表明:利用CEEMDAN样本熵提取的特征值能更精准地反映系统的故障特性,故障诊断的正确率高.

关键词：行星齿轮;自适应噪声完备总体经验模态分解(CEEMDAN);样本熵;概率神经网络(PNN)

所属期刊栏目：49

分类号：TH132.41

资助基金：山西省应用基础研究面上青年基金项目;中北大学先进制造技术山西省重点实验室2020年度开放基金项目

在线出版日期：2021-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：179-183