PSO稀疏分解在齿轮信号故障特征提取中的应用

• 作者: 巩孟林 钟也磐 陈卫
• 来源期刊: 空军工程大学学报（自然科学版）
• 学科: 工学
• 关键词: 齿轮故障诊断 稀疏分解 粒子群算法 Morlet小波
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 航空·航天
• 页码范围: 13-18
• 页数: 6页
• 分类号: V232.8|TH132.46
• 字数: 4186字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2018.03.003

摘要

针对齿轮早期故障诊断,传统的信号处理方法受噪声干扰大,严重影响了齿轮故障特征提取.结合粒子群(PSO)算法和稀疏分解算法提出PSO稀疏分解,利用PSO在搜索最优解方面的优势降低了稀疏分解的计算复杂度,并提出了“匹配度”作为信号的特征量.通过对模拟信号和某型航空发动机齿轮毂振动信号的分析,证明PSO稀疏分解在强噪声背景下具有很好的稳健性,提高了振动信号的信噪比,能够有效提取齿轮的故障特征,故障信号的“匹配度”比正常信号平均高出0.4左右,与传统方法相比,优势较为明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈卫	空军工程大学航空工程学院	39	207	8.0	12.0
2	巩孟林	空军工程大学航空工程学院	7	5	2.0	2.0
3	钟也磐	空军工程大学航空工程学院	7	8	2.0	2.0