發(fā)布時間：2021-10-08 03:15

　　準確提取振動信號特征,是齒輪故障診斷的關(guān)鍵問題。為此,提出了一種基于S變換能量分布特征和SVM的故障診斷方法。首先對齒輪故障信號進行S變換得到時頻矩陣,然后利用該矩陣構(gòu)建能量分布特征。最后建立SVM齒輪故障識別模型,將對應(yīng)的特征樣本輸入到模型中進行訓(xùn)練和識別,以達到對齒輪故障的準確分類。將所提出的方法應(yīng)用于齒輪故障檢測和診斷。通過實際故障實驗數(shù)據(jù)對所提方法進行了驗證。結(jié)果表明,該方法能夠有效地降低噪聲的影響,能夠準確地識別齒輪故障,具有較高的準確率和使用價值。 

【文章來源】：機械設(shè)計與制造. 2020,(07)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

齒輪振動試驗臺結(jié)構(gòu)示意圖

圖1 齒輪振動試驗臺結(jié)構(gòu)示意圖采集齒輪正常、斷齒及磨損狀態(tài)下振動信號進行S變換，得到時頻圖，如圖3所示。從圖中可以看出，在整個采樣時間內(nèi)齒輪的嚙頻及其倍頻成分以相同的時間間隔出現(xiàn)，說明齒輪振動信號具有周期性的沖擊特征。

采集齒輪正常、斷齒及磨損狀態(tài)下振動信號進行S變換，得到時頻圖，如圖3所示。從圖中可以看出，在整個采樣時間內(nèi)齒輪的嚙頻及其倍頻成分以相同的時間間隔出現(xiàn)，說明齒輪振動信號具有周期性的沖擊特征。圖3齒輪三種狀態(tài)下振動信號S變換時頻圖

【參考文獻】：
期刊論文
[1]基于二維S變換算法的圖像去噪研究[J]. 夏雪剛.  信息技術(shù). 2017(02)
[2]廣義S變換與短時傅里葉變換在地震時頻分析中的對比研究[J]. 黃斌,張宏兵,王強,喬驍.  中國煤炭地質(zhì). 2017(01)
[3]STFT和HHT在風(fēng)力機軸承故障診斷中的應(yīng)用[J]. 隆軍,吳金強.  噪聲與振動控制. 2013(04)
[4]基于S變換的心音信號特征提取[J]. 李戰(zhàn)明,韓陽,韋哲,周強,辛邁.  振動與沖擊. 2012(21)
[5]基于參數(shù)優(yōu)化Morlet小波變換的故障特征提取方法[J]. 蔣永華,湯寶平,劉文藝,董紹江.  儀器儀表學(xué)報. 2010(01)

博士論文
[1]內(nèi)燃機振聲信號時頻特性分析及源信號盲分離技術(shù)研究[D]. 徐紅梅.浙江大學(xué) 2008



本文編號：3423321