基于改进的HHT边际谱齿轮箱故障诊断

• 作者: 杨素梅 潘宏侠 马百雪
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 聚合经验模态分解 Hilbert边际谱 小波降噪 故障诊断
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 故障·诊断
• 页码范围: 251-254
• 页数: 4页
• 分类号: TB112
• 字数: 2456字
• 语种: 中文

摘要

针对信号经验模态分解(EMD)过程中存在波形混叠现象,提出一种基于聚合经验模态分解(EEMD)和Hilbert边际谱相结合的方法对齿轮箱故障进行故障诊断.首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理,提高EEMD分解的精确度；其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别；最后对2种工况信号进行Hilbert变换并计算得到边际谱,确定故障信号的故障频率.研究表明该方法在避免EMD分解带来的模态混叠现象方面具有可行性,能提高齿轮箱故障诊断的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘宏侠	中北大学机械工程与自动化学院	359	2630	23.0	34.0
2	马百雪	中北大学机械工程与自动化学院	7	19	4.0	4.0
3	杨素梅	中北大学机械工程与自动化学院	7	15	3.0	3.0