论文部分内容阅读
对齿轮箱进行故障诊断具有特别重要的意义，因为它是机械设备中一个重要的组成部分。本文通过在实验室状态对齿轮箱常见故障进行模拟，以基于动态因子和线性递减惯性权重的粒子群算法优化的独立分量分析（ICA）方法对测取的故障信号进行预处理，再利用小波包分析获取能量特征值，最后利用支持向量机（SVM）的方法对齿轮箱故障状态进行识别，收到了较好的效果。近年来迅速发展起来的基于盲信号处理的独立分量分析技术提供了一种全新的信号分离与特征提取思路，在故障诊断领域已有了相关的初步研究。本文介绍了独立分量分析的基本原理