来源：期刊VIP网 时间：
作者：贾林;李峰;高晓伟;
单位：焦作师范高等专科学校信息工程学院;河南理工大学计算机科学与技术学院;郑州煤炭工业(集团)高瑞电力有限公司;
摘要：选择齿轮箱作为分析对象，经函数拟合后再通过主成分分析（PCA）提取得到特征参数，构建得到RBFELM模型。根据PCA具备高鲁棒性以及良好稳定性的优势来实现对极限学习机（ELM）进行鲁棒性优化的效果，同时利用该算法具备高计算效率的特性，设计了一种新方法。测试了PCA-RBF-ELM在故障检测方面的性能，相对传统算法实现了检测精度的大幅提升。研究结果表明：PCA与PCA-SVDD只能判断故障个数与准确性，并不能确定产生了哪类具体的故障；PCA/RBF-ELM能够检测故障种类，而缺乏足够的准确率。为判断本文算法可靠性，将其与其他算法进行了对比，得到PCA/RBF-ELM是各算法中具备较高检测率，且能满足快速运算的算法。该研究在齿轮箱早期故障排出方面具有很好的价值，对降低齿轮箱故障隐患具有很好的意义。
关键词：齿轮箱;;故障检测;;函数型;;主成分分析;;极限学习机
基金资助：国家自然科学基金资助项目（50775157）
