基于特征增强倒频谱分析的齿轮故障诊断方法

论文摘要

齿轮发生故障后,由于采集到的振动信号同时包含故障冲击、确定性啮合信号及噪声等多种信号,同时,各种信号还会受传递路径的影响,使得齿轮故障特征提取难度较大。倒频谱分析是常见的齿轮故障诊断方法,能将边频带中的周期成分显示为单根谱线,有助于故障诊断,但当故障特征信号较微弱时,倒频谱中得到的故障特征并不明显。为此,提出一种特征增强倒频谱分析方法,利用最小熵解卷积、自回归线性预测和小波去噪3种特征增强方法,逐步增强齿轮振动信号中的故障冲击特征,再利用倒频谱进行故障特征提取。通过实验,验证了所提方法的有效性。

论文目录

• 0 引言
• 1 齿轮故障诊断基本方法
•   1.1 倒频谱分析
•   1.2 特征增强方法
•     1.2.1 最小熵解卷积
•     1.2.2 自回归线性预测
•     1.2.3 小波去噪
• 2 基于特征增强倒频谱分析的齿轮故障诊断方法
• 3 实验验证
• 4 结论

文章来源

类型: 期刊论文

作者: 江志农,张永申,冯坤,胡明辉,贺雅

关键词: 齿轮,最小熵解卷积,自回归线性预测,小波去噪,倒频谱,特征提取

来源: 机械传动 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 北京化工大学高端机械装备健康监控及自愈化北京市重点实验室,北京化工大学发动机健康监控及网络化教育部重点实验室

基金: 国家重点研发计划(2016YFF0203305),国家自然科学基金重点支持项目(U1708257)

分类号: TH132.41

DOI: 10.16578/j.issn.1004.2539.2019.10.003

页码: 13-17+55

总页数: 6

文件大小: 1196K

下载量: 215