基于VMD-樣本熵和SSAE的齒輪故障診斷
發(fā)布時間:2022-01-21 12:32
針對旋轉(zhuǎn)機械中齒輪故障非線性、非平穩(wěn)并伴有一定的噪聲干擾的特點,文章提出一種基于變分模態(tài)分解(Variational mode decomposition, VMD)和堆疊稀疏自編碼(Stack sparse auto encoder, SSAE)的齒輪故障診斷方法。將原始齒輪振動信號由一維轉(zhuǎn)化為二維信號,對二維信號每一行進行VMD分解得到若干有限帶寬的內(nèi)稟模態(tài)分量(Bandwidth limited intrinsic mode function, BLIMF),比較各模態(tài)分量的樣本熵,選擇樣本熵最大的模態(tài)分量構(gòu)成特征向量。將特征向量作為SSAE的輸入進行模式識別,最終實現(xiàn)齒輪故障的分類。通過實例驗證及對比實驗,結(jié)果表明該方法具有較高的分類精度和診斷效率。
【文章來源】:組合機床與自動化加工技術(shù). 2020,(08)北大核心
【文章頁數(shù)】:5 頁
【部分圖文】:
5類齒輪的原始振動信號
故障診斷流程圖
實驗使用風(fēng)力渦輪機動力傳動故障診斷綜合實驗臺(WTDS)如圖2所示。其動力傳動系統(tǒng)主要是由一個滾動軸承或套筒軸承支撐的兩級平行軸齒輪箱、一個軸承負載、一個兩級行星齒輪箱和一個可編程的磁粉制動器組成。該系統(tǒng)由3HP的電機驅(qū)動,實驗齒輪安裝在與電機相聯(lián)接的輸入軸上,采用VQ數(shù)據(jù)采集系統(tǒng)通過安裝在齒輪箱上的壓電式加速度傳感器采集振動數(shù)據(jù)。齒輪箱內(nèi)部結(jié)構(gòu)如圖3a所示,實驗齒輪分為正常(Normal)和斷齒(Chip)、齒根裂紋(Crack)、缺齒(Missing)、齒面磨損(Surface)4種故障狀態(tài),如圖3b~圖3e所示。實驗中輸入軸轉(zhuǎn)動頻率為29.81Hz,采樣頻率為25.6kHz。
【參考文獻】:
期刊論文
[1]基于改進EMD與FastICA—樣本熵的齒輪故障特征提取方法[J]. 呂同昕. 軟件導(dǎo)刊. 2019(08)
[2]機械設(shè)備的智能故障診斷方法與研究——以旋轉(zhuǎn)機械為例[J]. 廖應(yīng)學(xué),楊娟. 價值工程. 2019(22)
[3]基于一維卷積神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究[J]. 趙璐,馬野. 測試技術(shù)學(xué)報. 2019(04)
[4]基于信息融合及堆棧降噪自編碼的齒輪故障診斷[J]. 李松柏,康子劍,陶潔. 振動與沖擊. 2019(05)
[5]基于振動信號的減速器故障診斷方法[J]. 沈晴,蘇運波,曹沛. 起重運輸機械. 2018(07)
[6]基于頻率切片小波變換時頻分析的齒輪故障診斷[J]. 蔡劍華,黃國玉,黎小琴. 機械強度. 2017(05)
[7]粗糙集理論在故障診斷中的應(yīng)用研究[J]. 江飛. 科技視界. 2015(16)
[8]基于自相關(guān)函數(shù)的經(jīng)驗?zāi)B(tài)分解及其在齒輪故障診斷中的應(yīng)用[J]. 李月仙,韓振南,高建新,寧少慧. 中國農(nóng)機化學(xué)報. 2015(01)
本文編號:3600267
【文章來源】:組合機床與自動化加工技術(shù). 2020,(08)北大核心
【文章頁數(shù)】:5 頁
【部分圖文】:
5類齒輪的原始振動信號
故障診斷流程圖
實驗使用風(fēng)力渦輪機動力傳動故障診斷綜合實驗臺(WTDS)如圖2所示。其動力傳動系統(tǒng)主要是由一個滾動軸承或套筒軸承支撐的兩級平行軸齒輪箱、一個軸承負載、一個兩級行星齒輪箱和一個可編程的磁粉制動器組成。該系統(tǒng)由3HP的電機驅(qū)動,實驗齒輪安裝在與電機相聯(lián)接的輸入軸上,采用VQ數(shù)據(jù)采集系統(tǒng)通過安裝在齒輪箱上的壓電式加速度傳感器采集振動數(shù)據(jù)。齒輪箱內(nèi)部結(jié)構(gòu)如圖3a所示,實驗齒輪分為正常(Normal)和斷齒(Chip)、齒根裂紋(Crack)、缺齒(Missing)、齒面磨損(Surface)4種故障狀態(tài),如圖3b~圖3e所示。實驗中輸入軸轉(zhuǎn)動頻率為29.81Hz,采樣頻率為25.6kHz。
【參考文獻】:
期刊論文
[1]基于改進EMD與FastICA—樣本熵的齒輪故障特征提取方法[J]. 呂同昕. 軟件導(dǎo)刊. 2019(08)
[2]機械設(shè)備的智能故障診斷方法與研究——以旋轉(zhuǎn)機械為例[J]. 廖應(yīng)學(xué),楊娟. 價值工程. 2019(22)
[3]基于一維卷積神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究[J]. 趙璐,馬野. 測試技術(shù)學(xué)報. 2019(04)
[4]基于信息融合及堆棧降噪自編碼的齒輪故障診斷[J]. 李松柏,康子劍,陶潔. 振動與沖擊. 2019(05)
[5]基于振動信號的減速器故障診斷方法[J]. 沈晴,蘇運波,曹沛. 起重運輸機械. 2018(07)
[6]基于頻率切片小波變換時頻分析的齒輪故障診斷[J]. 蔡劍華,黃國玉,黎小琴. 機械強度. 2017(05)
[7]粗糙集理論在故障診斷中的應(yīng)用研究[J]. 江飛. 科技視界. 2015(16)
[8]基于自相關(guān)函數(shù)的經(jīng)驗?zāi)B(tài)分解及其在齒輪故障診斷中的應(yīng)用[J]. 李月仙,韓振南,高建新,寧少慧. 中國農(nóng)機化學(xué)報. 2015(01)
本文編號:3600267
本文鏈接:http://sikaile.net/jixiegongchenglunwen/3600267.html
最近更新
教材專著