Citation: | XU Le, ZHU Yubin, LANG Chaonan. Gearbox fault diagnosis based on LMD energy entropy and support vector machine[J]. Manufacturing Technology & Machine Tool, 2022, (6): 44-49. doi: 10.19287/j.mtmt.1005-2402.2022.06.007 |
[1] |
韩毅. 地铁车辆滚动轴承振动信号的时域分析[J]. 城市轨道交通研究, 2021, 24(S1): 57-62.
|
[2] |
马云飞, 贾希胜, 胡起伟, 等. 基于小波包频带稀疏编码的非完备信息条件下轴承状态识别[J]. 振动与冲击, 2021, 40(23): 288-294.
|
[3] |
刘颖, 陶建峰, 黄武涛, 等. 小波包能量与CNN相结合的滚动轴承故障诊断方法[J]. 机械设计与制造, 2021(11): 127-131. doi: 10.3969/j.issn.1001-3997.2021.11.029
|
[4] |
王涛, 胡定玉, 丁亚琦, 等. 基于经验模式分解和排列熵的轴承故障特征提取[J]. 噪声与振动控制, 2021, 41(1): 77-81. doi: 10.3969/j.issn.1006-1355.2021.01.015
|
[5] |
邢诺贝, 刘福军, 周超, 等. 基于均方频率与EMD的切削颤振特征提取方法[J]. 制造技术与机床, 2021(3): 35-40.
|
[6] |
Smith J S. The local mean decomposition and its application to EEG perception data[J]. Journal of the Royal Society Interface, 2005, 2(5): 443-454. doi: 10.1098/rsif.2005.0058
|
[7] |
刘洋, 孟祥川, 许同乐. 基于LMD-SVD和极限学习机的滚动轴承故障诊断方法研究[J]. 机械设计与制造, 2021(8): 107-112. doi: 10.3969/j.issn.1001-3997.2021.08.026
|
[8] |
杨静宗, 施春朝, 杨天晴, 等. 基于LMD和灰色关联度的故障诊断方法研究[J]. 制造技术与机床, 2022(1): 158-164.
|
[9] |
张宁, 魏秀业, 徐晋宏. 基于LMD样本熵与ELM的行星齿轮箱故障诊断[J]. 机械传动, 2020, 44(4): 152-157.
|
[10] |
李辉, 郝如江. 相关熵和双谱分析齿轮故障诊断研究[J]. 振动工程学报, 2021, 34(5): 1076-1084.
|
[11] |
周付明, 申金星, 杨小强, 等. 基于改进多元多尺度色散熵的齿轮箱多通道振动信号故障诊断[J]. 机械传动, 2021, 45(4): 112-122.
|
[12] |
周旺平, 王蓉, 许沈榕, 等. VMD能量熵与随机森林相结合的齿轮故障诊断[J]. 机械设计与制造, 2021(3): 270-275. doi: 10.3969/j.issn.1001-3997.2021.03.061
|
[13] |
Vapnik V N. The nature of statistical learning theory [M]. New York: Springer-Verlag, 1995: 123-128, 180.
|
[14] |
唐静, 王二化, 朱俊, 等. 基于EMD和SVM的齿轮裂纹故障诊断研究[J]. 机床与液压, 2020, 48(14): 200-204. doi: 10.3969/j.issn.1001-3881.2020.14.043
|
[15] |
颜虎, 鲁俊, 卓师铭, 等. 单道多层LMD成形过程沉积尺寸波动分析与预测[J]. 制造技术与机床, 2021(6): 9-14.
|