基于奇异值分解和RBF神经网络的齿轮故障诊断

摘要

针对微弱的齿轮故障信号难以检测问题,提出基于奇异值分解和RBF神经网络相融合的齿轮故障诊断方法.首先,通过实验台采集正常、断齿、裂纹和磨损四种故障信号,然后通过奇异值分解消噪,消噪的信号经三层小波包分解后,计算8个频段的能量特征值,并将能量特征值作为RBF神经网络训练的输入样本.通过样本数据的实验测试,结果表明,本文提出的诊断方法具有诊断精度高,诊断时间快等优势.