基于CEEMDAN能量熵的齿轮状态识别

• 作者: 寇兴磊 窦春红 赵光胜
• 来源期刊: 机械传动
• 关键词: 自适应噪声完备集合经验模式分解 信号处理 齿轮 状态识别
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 试验分析
• 页码范围: 102-105
• 页数: 4页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2018.01.022

摘要

集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)存在着辅助白噪声难以消除和容易产生虚假模式的缺陷.针对EEMD方法在齿轮箱故障信号处理中的不足,将自适应噪声完备集合经验模式分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)应用于齿轮故障信号分析,提出了基于CEEMDAN能量熵的齿轮状态识别方法.该方法首先利用CEEMDAN分解齿轮振动信号,然后计算振动信号分解结果的能量熵,将能量熵作为特征参数来区分不同的齿轮运行状态.将该方法用于区分正常、轻度刮伤和中度刮伤齿轮运行状态,并与基于EMDEEMD能量熵的方法进行了对比.结果表明,该方法可以有效地区分相近的齿轮运行状态,与其他几种方法相比具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	窦春红		11	46	3.0	6.0
2	寇兴磊		3	0	0.0	0.0
3	赵光胜		1	0	0.0	0.0