基于PCA和HTM齿轮故障诊断研究

摘要：

为了更好识别齿轮故障状态,提高故障诊断的准确性.本文提出主成分分析(Principal Component Analysis PCA)和层级实时记忆法(Hierarchical Temporal Memory,HTM)结合的方法.首先利用经验模态分解(Empirical Mode Decomposition,EMD)和无量纲获取特征向量;然后利用PCA算法进行特征处理;最后将处理后的数据作为HTM的输入.PCA算法能有效约减样本数量且小丢失信号的有效信息;HTM具有抗噪性、泛化能力强等特点,可以很好地处理含噪声数据的同时保证较高的识别率.实验与现场应用表明;两者结合的方法能够快速区分各种故障类型,提高故障诊断率,为齿轮故障诊断的应用提供了新的思路.

关键词： 齿轮设备 故障诊断 主成分分析法 层级实时记忆法

作者: 乔峰 张博 李芳

作者单位: 陕西延长石油机械装备制造有限公司,延安 717403 陕西延长油田股份有限公司,延安 717403

会议类型: 国内会议

会议名称: 2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014年全国设备诊断工程会议

会议地点: 秦皇岛

会议语种:中文

页码: 461-463

在线出版日期: 2014-08-01（万方平台首次上网日期，不代表论文的发表时间）