基于SVD-MOMEDA的高速列车齿轮箱轴承故障诊断

• 作者: 朱丹 燕春光 苏燕辰
• 来源期刊: 机车电传动
• 学科: 交通运输
• 关键词: 高速列车 故障诊断 多点优化最小熵解卷积修正 奇异值分解 滚动轴承 齿轮箱
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 试验检测
• 页码范围: 144-148,152
• 页数: 6页
• 分类号: U292.91+4|TH133.33
• 语种: 中文
• DOI: 10.13890/j.issn.1000-128x.2020.02.126

摘要

针对强背景噪声环境下高速列车齿轮箱轴承故障信号难以检测的问题以及多点优化最小熵解卷积修正(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)方法受滤波器阶数、故障周期影响的问题,提出了基于奇异值分解(singular value decomposition,SVD)改进的MOMEDA的轴承故障诊断方法.首先采用SVD作为MOMEDA的前置滤波器滤除部分噪声,然后通过MOMEDA多点峭度谱追踪故障周期成分,采用变步长搜索法迭代求解MOMEDA滤波器最优阶数,最后利用最优参数相对应的MOMEDA增强信号中的周期性脉冲,并通过包络谱提取故障特征.仿真信号和试验数据分析表明:该方法能实现高速列车齿轮箱轴承故障的精确诊断,且故障诊断效果优于互补经验模态分解方法.