基于VMD的行星齿轮箱故障特征提取新方法

发布时间：2021-04-29 11:29

　　针对行星齿轮箱振动信号故障特征提取困难的问题,提出一种基于变分模态分解的行星齿轮箱故障特征提取方法。首先利用变分模态分解（VMD）算法对样本信号进行分解,得到若干本征模态函数（imf）。然后,计算各分量与样本信号之间的相关系数和欧氏距离,筛选出表征样本信号特征的有效分量,并计算其Teager能量算子,将计算结果进行重构。最后,针对多尺度模糊熵对信号局部差异不够敏感,提取重构信号的多尺度模糊熵和多尺度能量作为基本参数,进行参数融合构成新指标。将其应用于行星齿轮箱太阳轮和行星轴承故障分析,结果表明:新方法既可以区分行星齿轮箱太阳轮不同故障类型,又能有效识别行星轴承不同位置故障。另外,与现有方法对比,新方法区分效果更好。 

【文章来源】：噪声与振动控制. 2020,40(03)CSCD

【文章页数】：7 页

【文章目录】：
1 新特征提取方法
    1.1 基本思路
    1.2 特征提取步骤
    1.3 特征指标评估
2 新特征提取方法实验验证
    2.1 DDS实验台及实验设计
    2.2 故障特征提取
        (1)太阳轮不同故障类型区分
        2）行星轴承不同位置故障区分
3 不同方法对比验证
    3.1 不同特征指标对比
    3.2 不同方法诊断效果对比
4 结语


【参考文献】：
期刊论文
[1]基于EEMD奇异值熵的滚动轴承故障诊断方法[J]. 张琛,赵荣珍,邓林峰.  振动.测试与诊断. 2019(02)
[2]基于多变量多尺度模糊熵的行星齿轮箱故障诊断[J]. 郑近德,潘海洋,张俊,刘涛,刘庆运.  振动与冲击. 2019(06)
[3]基于参数自适应变分模态分解的行星齿轮箱故障诊断[J]. 孙灿飞,王友仁,沈勇,陈伟.  航空动力学报. 2018(11)
[4]VMD样本熵特征提取方法及其在行星变速箱故障诊断中的应用[J]. 杨大为,冯辅周,赵永东,江鹏程,丁闯.  振动与冲击. 2018(16)
[5]基于ELMD能量熵与AFSA-SVM的行星齿轮箱关键部件故障诊断研究[J]. 张鲁洋,秦波,尹恒,王建国.  机械传动. 2018(06)
[6]基于VMD与多特征融合的齿轮故障诊断方法[J]. 王建国,陈帅,张超.  机械传动. 2017(03)
[7]EMD分解与多特征融合的齿轮故障诊断方法[J]. 秦波,刘永亮,王建国,张玉皓,常福.  机床与液压. 2016(03)
[8]多参数与多测点信息融合的行星轮故障诊断[J]. 徐玉秀,赵晓清,杨文平,郭威.  仪器仪表学报. 2014(08)



本文编号：3167445