基于人工神經网络ANN和邻近支撑向量机(PSVM)的直齿圆锥齿轮箱故障诊断.docxVIP

基于人工神经网络（ANN）和邻近支撑向量机(PSVM)的直齿圆锥齿轮箱故障诊断 N. Saravanan *, V.N.S. Kumar Siddabattuni, K.I. Ramachandran 摘要： 从机械的旋转部件提取出来的振动信号携带机械设备运行状态的大量信息。根据研究，进一步处理这些方便的本地机械测量的原始特征的振动信号揭示了部件跟整体的运行情况。这篇论文解决了对于运用人工神经网络和邻近支撑向量机的齿轮箱故障诊断的基于小波变换特点的成效。从莫莱特（Morlet）小波系数统计特征向量归类为用J48算法和以训练与测试ANN和PSVM和他们的相对效率提供输入为主要特点划分直齿圆锥齿轮箱故障做了比较。 1.简介 在各种工业应用中，机械故障往往是生产率下降和增加维护成本的来源。出于这个原因，机器状态监测正在开展早期故障识别。作为现代化的生产厂房，期望连续运行时间延长，而由于旋转机械故障造成的停工时间已成为比以往任何时候都昂贵的开销。旋转机械的故障常常是因为齿轮箱组成部件的损坏和故障。故障诊断是一项预防维修齿轮箱的一个重要进程，如果运行状态下检测到其中的一个齿轮损坏，故障诊断可以避免其更严重的破坏。因此，早期的故障诊断对于预防系统故障造成的损坏或者系统完全瘫痪至关重要。通过诊断齿轮系统的振动信号是检测齿轮故障的最常用的的方法。对于处理测量的数据传统的方法包括频域分析，时域分析，