-
题名Hilbert-小波变换的齿轮箱故障诊断
被引量：5
- 1
-
-
作者
张德祥
汪萍
吴小培
高清维
-
机构
安徽大学计算智能与信号处理教育部重点实验室
安徽建筑工业学院机械与电气工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2011年第11期4236-4239,共4页
-
基金
安徽省教育厅自然科学基金资助项目(KJ2011A013)
国家自然科学基金资助项目(60872163)
-
文摘
采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。
-
关键词
齿轮箱振动响应信号
小波变换
希尔伯特变换
故障诊断
-
Keywords
gearbox vibration response signals
wavelet transforms
Hilbert transform
fault diagnosis
-
分类号
TP206
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于双频精细复合多尺度排列熵的齿轮箱损伤识别
被引量：1
- 2
-
-
作者
刘心
费莹
李倩
-
机构
桂林电子科技大学信息科技学院
三门峡社会管理职业学院机电工程学院
苏州大学金螳螂建筑学院
浙江汽车职业技术学院电子工程系
-
出处
《机电工程》
CAS
北大核心
2023年第8期1176-1184,共9页
-
基金
浙江省教育科学规划课题(2021SCG303)
苏州大学虚拟仿真实验教学重点培育项目(2019-04)
虚拟仿真实验教学创新联盟2021年度第二批实验教学优质创新课程培育项目(202102XF03)。
-
文摘
齿轮箱振动信号的非线性会导致其损伤特征难以得到有效提取,针对这一问题,提出了一种基于双频精细复合多尺度排列熵(DFRCMPE)和鲸鱼算法优化支持向量机(WOA-SVM)的融合损伤识别方法。首先,采用小波包分解(WPD)对齿轮箱损伤振动信号进行了两层分解,获得了反映齿轮箱损伤特性的低频和高频分量;然后,利用精细复合多尺度排列熵(RCMPE)对两组频带分量进行了分析,以充分提取嵌入在振动信号中的损伤信息,构建损伤特征;最后,将损伤特征输入至WOA-SVM分类模型中,成功对损伤进行了智能识别,并以实验采集到的齿轮箱振动信号为对象,对基于DFRCMPE和WOA-SVM的融合损伤识别方法的有效性开展了对比讨论。研究结果表明:与基于精细复合多尺度样本熵(RCMSE)、精细复合多尺度模糊熵(RCMFE)、RCMPE、精细复合多尺度散布熵(RCMDE)的特征提取方法相比,基于DFRCMPE和WOA-SVM的融合损伤识别方法的准确率和稳定性更高,平均识别准确率达到了100%;该方法能够为解决实际应用中的齿轮箱故障识别问题提供可行的思路。
-
关键词
齿轮传动
损伤特征提取
齿轮箱振动信号
双频精细复合多尺度排列熵
鲸鱼算法优化支持向量机
小波包分解
-
Keywords
gear transmission
damage feature extraction
gearbox vibration signal
dual-frequency refined composite multiscale permutation entropy(DFRCMPE)
whale algorithm optimized support vector machine(WOA-SVM)
wavelet packet decomposition(WPD)
-
分类号
TH132.41
[机械工程—机械制造及自动化]
-
-
题名基于EMD和非线性峭度的齿轮故障诊断
被引量：18
- 3
-
-
作者
张德祥
汪萍
吴小培
高清维
-
机构
安徽大学计算智能与信号处理教育部重点实验室
安徽建筑工业学院机械与电气工程学院
-
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2012年第1期56-61,161,共6页
-
基金
安徽省教育厅自然科学基金资助项目(编号:KJ2011A013)
国家自然科学基金资助项目(编号:60872163)
-
文摘
采用经验模式分解(empirical mode decomposition,简称EMD)和非线性峭度的统计特性对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用EMD分解获得振动响应信号的本征模式函数,用非线性Tea-ger能量算子计算每个本征模式函数的瞬时能量,并对本征模式函数进行系数的非线性峭度计算,提取系统的特征信息。仿真结果表明,用经验模式分解和非线性峭度可实现在线监测齿轮运转工作状态,及时发现齿轮的早期故障,提高了故障检测的可靠性。
-
关键词
齿轮箱振动响应信号
经验模式分解
本征模式函数
非线性峭度
故障诊断
-
Keywords
gearbox vibration response signals,empirical mode decomposition,intrinsic mode function,nonlinear kurtosis,fault diagnosis
-
分类号
TP206.3
[自动化与计算机技术—检测技术与自动化装置]
TH132.41
[机械工程—机械制造及自动化]
-
