传感器优化布置的齿轮箱轴承故障特征提取

发布时间：2024-01-09 18:35

　　为诊断齿轮箱轴承故障,构建一种传感器优化布置的齿轮箱轴承故障特征提取方法。提取齿轮箱上箱体模态振型,运用K-medoids算法对节点振型进行聚类,用有效独立法初选测点,以模态置信准则(MAC)为适应度函数,运用遗传算法(GA)寻优,实现传感器位置优化,以构建的综合评价指标对传感器数量进行评价,以此得到齿轮箱传感器优化布置方案;将传感器布置在上箱体采集齿轮箱振动信号,对各路信号进行奇异值(SVD)降噪,对降噪后信号进行基于方差贡献率的信息融合;对融合信号进行变分模态分解(VMD),以信息熵最小为原则对VMD参数优化,选取信息熵最小本征模态分量(IMF)进行Teager能量谱分析,提取滚动轴承故障特征;采用ZDH10型齿轮箱故障试验台进行试验验证,证明所构建方法的可行性。

【文章页数】：7 页

【文章目录】：
1 传感器优化布置理论
    1.1 数学模型
    1.2 中心点聚类算法
    1.3 模态置信准则
    1.4 综合评价指标
2 信号处理基本理论
    2.1 基于方差贡献率的信息融合
    2.2 变分模态分解
    2.3 Teager能量算子
    2.4 齿轮箱轴承故障特征提取流程
3 齿轮箱体传感器优化布置
    3.1 齿轮箱有限元建模
    3.2 传感器优化布置
4 故障诊断试验验证
    4.1 多路信号试验分析
    4.2 单路信号对比试验
5 结语



本文编号：3877704