本文主要研究内容
作者李梅红,连威（2019）在《基于变分模态分解和符号熵的齿轮故障诊断方法》一文中研究指出：为提高齿轮的故障诊断效果,提出了基于变分模态分解(Variational Modal Decomposition,VMD)和符号熵(Symbol Entropy, SE)的齿轮故障诊断方法。首先,利用VMD对齿轮故障振动信号进行分解,得到若干个本征模态分量(Intrinsic Mode Function,IMF);然后,计算IMF分量的符号熵,并将IMF符号熵组成齿轮故障特征向量;最后,将特征向量输入SVM进行故障诊断。齿轮故障诊断实测结果验证了该方法的有效性和优势。
Abstract
wei di gao chi lun de gu zhang zhen duan xiao guo ,di chu le ji yu bian fen mo tai fen jie (Variational Modal Decomposition,VMD)he fu hao shang (Symbol Entropy, SE)de chi lun gu zhang zhen duan fang fa 。shou xian ,li yong VMDdui chi lun gu zhang zhen dong xin hao jin hang fen jie ,de dao re gan ge ben zheng mo tai fen liang (Intrinsic Mode Function,IMF);ran hou ,ji suan IMFfen liang de fu hao shang ,bing jiang IMFfu hao shang zu cheng chi lun gu zhang te zheng xiang liang ;zui hou ,jiang te zheng xiang liang shu ru SVMjin hang gu zhang zhen duan 。chi lun gu zhang zhen duan shi ce jie guo yan zheng le gai fang fa de you xiao xing he you shi 。
论文参考文献
论文详细介绍
论文作者分别是来自机械传动的李梅红,连威，发表于刊物机械传动2019年03期论文，是一篇关于变分模态分解论文,符号熵论文,支持向量机论文,故障诊断论文,齿轮论文,机械传动2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自机械传动2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。