基于EEMD-CWD的齿轮箱振动信号故障特征提取

• 作者: 孙磊 王卫国
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 兵器科学与技术 齿轮箱 集成经验模态分解 峭度 乔-威廉姆斯分布 特征提取
• 年，卷（期）: 2014,（8）
• 页码范围: 1288-1294
• 页数: 7页
• 分类号: TH17
• 字数: 5280字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1093.2014.08.023

摘要

为实现齿轮箱故障特征提取,提出一种基于集成经验模态分解(EEMD)和乔-威廉姆斯分布(CWD)的齿轮箱振动信号特征的提取方法.对现场采集的振动信号进行EEMD分解,再对分解得到的固有模态函数(IMF)分量依照峭度准则进行排序,选取峭度指标较大的IMF分量进行CWD分析,最终得到信号的CWD.该方法可以有效抑制由于干扰项引起的频率混叠和干扰问题,有助于将原始信号在时间历程、频率成分和幅值大小3个方面的特征信息同时进行准确提取.利用该方法对实际齿轮发生断齿、裂纹故障进行了实验分析,结果表明:该方法能够全面、有效地提取齿轮振动信号中所蕴含的齿轮箱状态信息,为后续进行齿轮箱状态识别和故障诊断奠定基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王卫国	北京理工大学管理与经济学院	25	147	6.0	11.0
5	孙磊		1	8	1.0	1.0