本文選題：廣義變分模態(tài)分解 + 齒輪箱�。� 參考：《中國機械工程》2017年09期

【摘要】：針對變分模態(tài)分解在實際應(yīng)用過程中需要根據(jù)先驗知識確定懲罰函數(shù)和分量分解個數(shù)這一缺陷,提出了一種改進(jìn)方法,即廣義變分模態(tài)分解方法。該方法減少了人為因素對分解結(jié)果造成的主觀影響,將信號分解轉(zhuǎn)化為非遞歸、變分模態(tài)分解方式,能夠有效分離頻率成分相近的諧波分量,且對信噪比較小的信號有著良好的魯棒性。將該方法應(yīng)用于齒輪箱復(fù)合故障診斷中,仿真和實驗的結(jié)果驗證了該方法的有效性。
[Abstract]:In order to solve the problem that it is necessary to determine the number of penalty function and component decomposition according to prior knowledge in the practical application of variational mode decomposition, an improved method, generalized variational mode decomposition method, is proposed in this paper. This method reduces the subjective influence of human factors on the decomposition results, and converts the signal decomposition into non-recursive, variational mode decomposition, which can effectively separate harmonic components with similar frequency components. And it has good robustness to the signal with low signal-to-noise ratio (SNR). The method is applied to the gearbox complex fault diagnosis. The simulation and experimental results show that the method is effective.
【作者單位】： 湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點實驗室;
【基金】：國家重點研發(fā)計劃資助項目(2016YFF0203400) 國家自然科學(xué)基金資助項目(51575168,51375152) 智能型新能源汽車國家2011協(xié)同創(chuàng)新中心 湖南省綠色汽車2011協(xié)同創(chuàng)新中心資助項目
【分類號】：TH132.41

【相似文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 呂中亮;基于變分模態(tài)分解與優(yōu)化多核支持向量機的旋轉(zhuǎn)機械早期故障診斷方法研究[D];重慶大學(xué);2016年

相關(guān)碩士學(xué)位論文 前2條

1 王敬;基于離散模態(tài)分解法的表面建模與裝配仿真研究[D];浙江大學(xué);2017年

2 王振威;基于變分模態(tài)分解的故障診斷方法研究[D];燕山大學(xué);2015年

，

本文編號：2036824