强噪声背景下基于振动信号分析的齿轮故障诊断

• 作者: 李宏宇 程刚 胡晓 陈曦晖
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 强噪声背景 小波阀值降噪 EEMD熵特征 概率神经网络
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 检测与监控
• 页码范围: 58-61
• 页数: 4页
• 分类号: TH132.41
• 字数: 2247字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2015.06(下).17

摘要

煤矿机械齿轮传动过程中，齿轮振动信号因摩擦力、刚度非线性等因素表现出非平稳特征的同时还受工况现场的强噪声干扰，如何在强噪声背景下，有效提取故障信息、识别故障类型是该类故障诊断的关键。提出一种强噪声背景下基于振动信号分析的齿轮故障诊断方法，该方法包括小波阀值降噪处理、总体经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）熵特征提取、概率神经网络（Probabilistic Neural Network， PNN）识别三个过程。利用小波阀值降噪对采集到的振动信号进行去噪处理；对去噪后信号进行EEMD分解，得到一组消除模态混叠的固有模态函数（Intrinsic Mode Function，IMF）分量，并提取前3个IMF分量的样本熵特征作为故障特征信息；最终结合PNN实现强噪声背景下的齿轮故障诊断。实验结果表明：文中提出的方法可以实现强噪声背景下齿轮故障的准确识别，识别率可以达到90%以上，是一种有效的齿轮故障识别方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程刚	中国矿业大学机电工程学院	71	508	12.0	19.0
2	陈曦晖	中国矿业大学机电工程学院	13	95	6.0	9.0
3	胡晓	中国矿业大学机电工程学院	8	57	4.0	7.0
4	李宏宇	中国矿业大学机电工程学院	3	4	1.0	1.0