基于HGWO-MSVM的齿轮箱故障诊断研究
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
1.36 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
94
简介
针对齿轮箱多类故障信号非线性、不确定性难以进行有效识别的问题,提出了一种混合灰狼优化算法(Hybrid Grey Wolf Optimizer,HGWO)优化多分类支持向量机(Multi-class Support Vector Machine,MSVM)的齿轮箱故障诊断方法。首先利用小波包对齿轮箱故障信号进行降噪处理,并通过信号中各频带的能量,提取能量特征值,再将获取的特征值输入优化后的MSVM模型进行故障模式的识别。实验结果表明,相对于传统的诊断模型,基于HGWO-MSVM的齿轮箱故障诊断模型能够更有效地诊断齿轮箱的实际运行状态,提高识别效率和精度。相关论文
- 2020-08-13JC30L绞车气控系统设计
- 2021-08-06海底原位观测系统温度测量单元的设计
- 2021-05-14数控铣床升级加工中心的自动换刀系统研究
- 2025-01-23芯片塑封体点胶控制系统设计与研究
- 2021-07-07基于5G通信的数控机床智能监控与诊断系统设计
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。