基于最大信息系数的动态加权特征融合的齿轮箱故障诊断

简介

随着机械设备的精细化和复杂化,用于监测其运行状态的传感器数量和类型不断增多,为了能有效地将多传感器信息融合,补全时间和空间上的信息,提高传感器信息的可靠性,提出了一种基于最大信息系数的动态加权特征融合的齿轮故障诊断方法。利用小波包变换对多传感器采集到的振动信号分解到时频域;计算时频域的特征,通过最大信息系数计算各传感器的权重并以并联融合的方式对特征进行融合;将融合后的特征输入到支持向量机模型进行故障分类。实验证明,融合后的特征聚合度更好,更有利于分类;在两种转速条件下,融合后的故障诊断准确率分别达到了87.72%和99.16%,动态加权融合的诊断效果好于定权重融合的诊断效果。