来源：期刊VIP网 时间：
作者：何雷;刘溯奇;张皓惟;
单位：柳州铁道职业技术学院动力技术学院;中南大学机电工程学院;
摘要：针对特种车辆齿轮箱工作环境恶劣、状态识别困难的现实问题，这里提出了一种基于自适应优化变分模态分解（Variational Mode Decomposition，简称VMD）和奇异值分解（SVD）的特征值提取方法，并结合支持向量机（Support Vector Machine, SVM）构建诊断模型，应用到齿轮箱的状态识别中。首先，针对VMD分解层数K值难确定问题，结合相关系数和阈值提取有效分量，确定最优分解层数K，完成对VMD分解的自适应优化。然后用改进后的VMD算法对振动信号进行分解，用相关系数筛选出蕴含故障信息最丰富的分量进行频谱分析和SVD特征值提取，将特征值输入到构建好的支持向量机诊断模型中，根据输出结果识别齿轮箱状态。研究结果表明，该方法能有效应用于特种车辆齿轮箱状态识别，诊断正确率达到95.36%，为恶劣工况下齿轮箱状态识别提供了一种有效的应用方案。
关键词：齿轮箱;;变分模态分解;;奇异值分解;;支持向量机
基金资助：广西高校中青年教师科研基础项目（2022KY1401）;; 教育部支撑技术项目（625010339）
