基于滑移辛几何模态分解的行星齿轮箱故障诊断研究

• 作者: 李茜 陈晓 王军龙 刘慧玲
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 行星齿轮箱 复杂信号分解 滑移辛几何模态分解 特征提取能力 信号自适应分解 滑移矩阵
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 机械零件及传动装置|Mechanical Parts and Transmission
• 页码范围: 427-434,443
• 页数: 9页
• 分类号: TH132.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2022.04.001

摘要

针对辛几何模态分解方法在分解复杂信号时的特征提取能力不足问题,提出了一种基于滑移辛几何模态分解(SSGMD)的故障诊断方法.首先,通过加窗的方式构造了滑移矩阵,以代替轨迹矩阵,增强了周期性特征提取能力;其次,对滑移矩阵进行了辛几何相似变换,获得了其特征值,将特征值所对应的特征向量经过重构,得到了其初始单分量矩阵;然后,对初始单分量矩阵做对角平均化,得到了一系列初始辛几何分量;最后,对这一系列初始辛几何分量进行拼接重组,得到了滑移辛几何分量(SSGCs),进而完成了对信号的自适应分解.研究结果表明:通过对仿真信号和行星齿轮箱实测信号进行实验分析,可知SSGMD利用滑移矩阵和辛几何相似变换不仅可以保护原始信号结构化信息不变,而且能充分提取原始信号的状态信息;与经典的信号分解方法相比,SSGMD方法能有效地对多分量信号进行分解,具有优越的特征提取能力.