基于EEMD和Choi-Williams分布的齿轮故障诊断

• 作者: 冷军发 杨晓雨 绳飘 荆双喜
• 来源期刊: 机械传动
• 关键词: 齿轮 故障诊断 EEMD Choi-Williams分布
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 试验分析
• 页码范围: 120-124,164
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2019.04.022

摘要

针对齿轮箱齿轮故障特征提取过程中,经验模态分解(EMD)存在模态混叠、固有模态函数(IMr)筛分困难以及Wigner-Ville分布(WVD)存在交叉干扰项的问题,提出一种集合经验模态分解(EEMD)和Choi-Williams分布(CWD)相结合的齿轮故障诊断方法.首先,将采集到的齿轮故障信号进行EEMD分解,分解为多个单分量固有模态函数(IMF)的组合;然后,通过相关系数和香农熵准则去除虚假分量并筛选IMF;最后,将筛选出的IMF分量进行CWD表达,结合时频域表现出的频率与等时冲击特性,识别出齿轮故障特征.通过齿轮故障仿真和实验分析,验证了该方法在齿轮箱齿轮故障诊断中的适用性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆双喜	河南理工大学机械与动力工程学院	60	402	12.0	17.0
2	冷军发	河南理工大学机械与动力工程学院	37	283	10.0	15.0
3	绳飘	河南理工大学机械与动力工程学院	16	38	3.0	4.0
4	杨晓雨	河南理工大学机械与动力工程学院	4	3	1.0	1.0