基于小波分解和样本熵的GA-SVM齿轮箱故障诊断

摘要

cqvip:针对齿轮箱故障信号的复杂性和非平稳性,提出了一种基于小波分解和样本熵的遗传算法支持向量机(GA-SVM)故障诊断方法。采用小波分解对信号进行三层分解并提取其高频系数与低频系数,然后计算其系数的样本熵值并构建特征向量,最后将其输入到经过遗传算法(GA)优化后的支持向量机中进行识别。实验表明,对4种工况下6类齿轮箱状态样本进行分类,通过GA算法优化后的SVM模型具有较高的识别准确率且高于文中其他识别模型。