
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于OVMD和KLIRVM的齿轮箱系统故障诊断方法
《Scientific Reports》:Fault diagnosis method for gearbox systems using OVMD and KLIRVM
【字体: 大 中 小 】 时间:2026年06月13日 来源:Scientific Reports 3.9
编辑推荐:
摘要为实现齿轮箱系统的精准诊断,本研究提出了一种结合正交化变分模态分解(OVMD)与核学习增量相关向量机(KLIRVM)的集成方法。由于贝塞尔基函数在检测突发性瞬态波动方面的优异性能,OVMD能够有效分离出由损坏的滚动元件引起的非平稳特性。此外,本文还提出了一种用于齿轮箱故障分类
为实现齿轮箱系统的精准诊断,本研究提出了一种结合正交化变分模态分解(OVMD)与核学习增量相关向量机(KLIRVM)的集成方法。由于贝塞尔基函数在检测突发性瞬态波动方面的优异性能,OVMD能够有效分离出由损坏的滚动元件引起的非平稳特性。此外,本文还提出了一种用于齿轮箱故障分类的新型KLIRVM方法,该方法将自适应核参数学习与增量更新无缝结合,使得每个基函数都能动态调整自身的位置和宽度,从而准确描述流式数据中局部变化的信号特征。通过消融实验验证了所提出的OVMD-KLIRVM框架的优越性。实证结果表明,该方法的诊断精度优于其他现有方法。