基于CPFs的齿轮箱复合故障特征提取

• 作者: 叶美桃 柴慧理
• 来源期刊: 机械传动
• 关键词: 复合故障 局部均值分解 组合乘积函数 最优最小熵反褶积
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 开发应用
• 页码范围: 170-174
• 页数: 5页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2018.12.032

摘要

由于方法选择不当,齿轮箱中复合故障的特征提取会出现漏诊断或误诊断现象,LMD(Local mean deconvolution)对信号分解时由于噪声影响,会出现EMD(Empirical mode decomposition)相似的模态混叠现象,常导致能量泄漏或误诊现象.提出了一种CPFs-MOMEDA(Combined physical functions-Multipoint optimal minimum entropy deconvolution adjusted)的齿轮箱复合故障诊断方法.首先通过LMD对原信号降噪,得到一系列的PFs,通过相关系数法剔除虚假分量和残余成分;计算每层PF(Production function)的多点峭度,提取故障特征周期,将不合周期性冲击的PFs二次剔除,为了保持原信号的完整性,通过组合乘积函数方法重新组合具有相同周期的PF;最后设定不同的周期区间,通过MOMEDA对组合后的信号降噪,进一步提取故障特征.并将此方法应用在齿轮箱复合故障特征提取中,验证了此方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴慧理		12	14	2.0	3.0
2	叶美桃		9	19	2.0	4.0