基于信号共振稀疏分解和最大相关峭度解卷积的齿轮箱故障诊断

• 作者: 任宗浩 何群 李继猛 王霄 郭源耕
• 来源期刊: 中国机械工程
• 学科: 工学
• 关键词: 齿轮箱 故障诊断 信号共振稀疏分解 最大相关峭度解卷积 冲击特征提取
• 年，卷（期）: 2017,（13）
• 所属期刊栏目: 机械基础工程
• 页码范围: 1528-1534
• 页数: 7页
• 分类号: TH113|TP206.3
• 字数: 3965字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2017.13.003

摘要

当齿轮箱内旋转零件发生故障时,其振动信号中的故障脉冲成分易被箱体中其他旋转部件的谐波信号和背景噪声所淹没,故障特征难以被有效提取.针对这一问题,提出了基于信号共振稀疏分解和最大相关峭度解卷积的故障诊断方法.该方法首先通过信号共振稀疏分解将信号中的低共振冲击成分从谐波分量和噪声中分离,然后对低共振分量进行最大相关峭度解卷积计算,进一步突出低共振分量中的周期脉冲成分,最后通过包络谱分析进行故障诊断.算法仿真、实验分析和工程应用结果表明,该方法能够有效提取强噪声信号中的周期性冲击成分,凸显故障特征,从而提供准确可靠的诊断结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何群	燕山大学电气工程学院	27	173	9.0	12.0
2	王霄	燕山大学电气工程学院	11	21	2.0	4.0
6	任宗浩	燕山大学电气工程学院	2	13	1.0	2.0
7	李继猛	燕山大学电气工程学院	18	63	6.0	7.0
8	郭源耕	燕山大学电气工程学院	2	13	1.0	2.0