钱桂名 朱丽鹏
中国机械. 2024, (4): 105-108.
由于现有的识别方法测试集分类效果差,识别准确程度低,本文研究山地果园单轨运输机异常机械振动故障识别方法:在单轨运输机的运行过程中,对单轨运输机机械振动数据进行清洗,消除数据中的异常值和缺失值,消除随机波动;运用模态分解法将输入信号拆分成多个具有固定模态的IMF,计算IMF的熵值来判断信号复杂性,从而提取故障信号特征;构建SVM模型,将提取到的振动故障特征映射到高维空间中,来分离正常与故障信号;运用梯度下降法使用训练集对SVM模型进行训练,通过不断沿着目标函数的梯度方向进行参数更新来逼近最优解;将测量的振动信号的向量特征输入到训练后的SVM模型中,选择出占比最多的为识别结果。实验结果表明:实际测试集与识别测试集分类程度一致;十个小组的识别准确程度均在90%以上,符合预期,达到良好的识别效果,实现了山地果园单轨运输机异常机械振动故障精准识别的目的。