基于PCA和灰色关联的齿根裂纹损伤程度识别

• 作者: 刘杰 李环宇 赵伟强
• 来源期刊: 机械传动
• 关键词: 齿根裂纹 主成分分析 灰色关联分析 故障识别 损伤检测
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 试验分析
• 页码范围: 133-139,152
• 页数: 8页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2020.09.021

摘要

在齿轮齿根裂纹故障检测方面,利用倒频谱分析可以比较损伤程度的轻重,但很难具体量化损伤程度范围.为实现损伤程度的量化检测,提出采用主成分分析(Principal Component Analy-sis,PCA)与灰色关联分析(Grey Relational Analysis,GRA)相结合的方法.首先,利用能量法计算含不同齿根裂纹的齿轮副时变啮合刚度,分析不同损伤程度的响应,并结合损伤检测统计指标进行量化检测,通过PCA算法,对多维损伤检测统计指标进行降维优化后,计算待检目标序列与各个比较状态序列的关联度,用关联度表征裂纹损伤程度.在理论仿真的基础上,进行实验验证.结果表明,倒谱分析可有效地识别出齿根裂纹故障,损伤程度越大,倒谱的尖峰幅值越大.PCA与GRA结合算法与GRA算法计算的关联度相比更大,区分度也更加明显.并可以有效地量化待检目标的损伤程度,为齿根裂纹的定量识别提供理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘杰		25	148	8.0	11.0
2	李环宇		2	0	0.0	0.0
3	赵伟强		2	1	1.0	1.0