申雨 汪超

摘 要：本文基于VMD和SVM理论，对实验采集到的减速箱正常运行信号波形、缺齿、断齿故障状态运行的信号波形进行VMD分解，选取峭度、能量、散度、样本熵及能量熵五个特征值构建支持向量积，并选取样本集对信号进行SVM训练，训练结果表明本文采用的支持向量机诊断方法效果理想，具有一定的实际应用价值。

关键词：VMD;SVM;故障分析

中图分类号：U66           文献标识码：A            文章编号：1006—7973（2021）06-0077-03

1 研究背景

随着现代化的工业的不断推进，集装箱运输装运有着效率高、安全性高，可以快速适应环境变换的优点，集装箱运输行业成为世界贸易的重中之重。现今大多数国家的贸易都通过水运完成，港口码头现场的集装箱装卸数量日益增多，对港口大型起重机设备的状态监控及故障诊断等安全保障性技术的需求也在逐渐增加。码头现场的大型起重设备如遇故障造成停机等现象，会对整个码头堆场、转运等机械化作业流程造成严重影响。因此需要对机械的关键机构采取更具稳定性及可靠性的监测手段与故障诊断方法。

本文以實验室中最大可能的模拟岸边集装箱起重机起升机构中的减速箱断齿、缺齿两种故障工况，对减速箱故障诊断及在线状态监控方面进行研究。利用支持向量积即SVM与特征值选取等方法对实验台模拟的减速箱故障信号进行分析和诊断。

2 实验台系统

实验台布置主要由电机动力装置、传动机构及信号采集系统组成。传动机构主要由减速箱、电机动力驱动设备、梁架结构、钢丝绳及相关配重组成（见图1）。……