自适应最大相关峭度反褶积方法诊断齿轮轴承复合故障

• 作者: 吕轩 周海丽 王强 胡占齐
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 齿轮 轴承 诊断 复合故障 最大相关峭度反褶积 量子遗传算法
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 农业装备工程与机械化
• 页码范围: 48-57
• 页数: 10页
• 分类号: TH165+.3|TH17
• 字数: 6987字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.12.006

摘要

为了解决传统最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)在故障诊断中容易出现因参数选择不当而影响诊断效果的问题,该文提出了一种基于量子遗传算法(quantum genetic algorithm,QGA)的自适应最大相关峭度反褶积方法(maximum correlated kurtosis deconvolution with quantum genetic algorithm,QMCKD)用于齿轮和轴承复合故障诊断.通过量子遗传算法自适应选择最大相关峭度反褶积的2个关键参数滤波器长度(L)和反褶积周期(T).使用QMCKD处理原始振动信号,提取复合故障信号中的所有单个故障信号,分别对单个故障信号进行频谱分析从而识别故障特征.在对齿面磨损-滚动轴承外圈损伤复合故障诊断中,QMCKD能够识别齿轮故障频率及其2～4倍频,识别轴承故障频率及其2～6倍频,且主要频率成分周围干扰谱线很少,故障类型容易识别.与直接频谱分析和变分模态分解(variational mode decomposition,VMD)相比,该方法在诊断效果上具有优越性.在对齿根裂纹-轴承滚动体损伤复合故障诊断中,QMCKD能够突出齿轮故障频率及其2～5倍频,突出轴承故障频率及其2～8倍频,齿轮和轴承故障特征明显,验证了方法的稳定性.试验结果表明QMCKD能够有效识别复合故障中齿轮和轴承的故障特征,可用于齿轮箱的齿轮、轴承复合故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡占齐	燕山大学自润滑关节轴承共性技术航空科技重点实验室	37	227	8.0	13.0
2	王强	燕山大学自润滑关节轴承共性技术航空科技重点实验室	38	90	4.0	9.0
3	周海丽	燕山大学机械工程学院	2	3	1.0	1.0
4	吕轩	燕山大学机械工程学院	1	1	1.0	1.0