...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Mechanical Science and Technology >Automated gear fault detection of micron level wear in bevel gears using variational mode decomposition
【24h】

Automated gear fault detection of micron level wear in bevel gears using variational mode decomposition

机译：使用变分模式分解的锥齿轮中微米级磨损的自动齿轮故障检测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Gearboxes have an important role in power transmission systems. For such systems, vibration-based fault diagnosis techniques are frequently used to prevent premature failure and to ensure smooth transmission. We automated the fault diagnosis of gears having level of wear fault at micron using variational mode decomposition (VMD). VMD has been applied iteratively with specific input parameters. VMD decomposes the gear vibration signal into different narrowband components (NBCs) or obtained components (OCs). Various statistical features, namely kurtosis, skewness, standard deviation, root mean square, and crest factor, were extracted from the different OCs. Kruskal-Wallis test based on probability values was used to identify the significant features. For the automation of fault detection system, a comparative study was done using the random forest, multilayer perceptron, and J48 classifiers. The proposed method exhibits 96.5 % accuracy using random forest classifier with combined kurtosis, skewness, and standard deviation features.
机译：变速箱在动力传动系统中具有重要作用。对于这种系统，振动的故障诊断技术经常用于防止过早故障，并确保平稳传输。我们使用变分模式分解（VMD）自动诊断微米磨损磨损水平的齿轮。 VMD已迭代地应用于特定的输入参数。 VMD将齿轮振动信号分解成不同的窄带组件（NBC）或获得的组件（OCS）。从不同的OCS中提取各种统计特征，即Kurtosis，Skewness，标准偏差，根均线和嵴因子。基于概率值的Kruskal-Wallis测试用于识别重要特征。对于故障检测系统的自动化，使用随机森林，多层的感知者和J48分类器进行比较研究。所提出的方法使用随机林分类器具有峰氏，偏差和标准偏差特征的随机林分类器表现出96.5％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号