針對行星變速箱在運(yùn)行時(shí)產(chǎn)生的非線性非平穩(wěn)振動,且故障特征信號微弱等問題,提出一種新的特征提取方法——改進(jìn)多尺度符號動力學(xué)信息熵。在傳統(tǒng)的符號動力學(xué)信息熵原理的基礎(chǔ)上,通過改進(jìn)傳統(tǒng)方法的符號化過程,在考慮條件概率情況下計(jì)算信息熵,并引入多尺度概念,使得所提特征具有更大優(yōu)勢。最后求解行星變速箱故障模擬試驗(yàn)臺采集到的三種狀態(tài)下的振動信號改進(jìn)多尺度符號動力學(xué)信息熵,并基于提出的特征評價(jià)指標(biāo)對改進(jìn)多尺度符號動力學(xué)信息熵、時(shí)頻熵、排列熵、樣本熵等特征的計(jì)算結(jié)果進(jìn)行了對比。結(jié)果表明,該方法能夠有效的提取行星變速箱運(yùn)行狀態(tài)特征,具有更高的敏感度。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1改進(jìn)符號動力學(xué)信息熵算法流程圖

根據(jù)Shannon信息熵概念,Hs(X)表示時(shí)間序列X符號化后各狀態(tài)模式及轉(zhuǎn)移狀態(tài)出現(xiàn)概率的隨機(jī)性。Hs(X)越大,說明各狀態(tài)出現(xiàn)的概率越均勻,即各狀態(tài)模式及轉(zhuǎn)移模式出現(xiàn)的概率接近;反之,Hs(X)越小,說明各狀態(tài)模式出現(xiàn)的概率相差較大。對于行星齒輪傳動,當(dāng)其運(yùn)轉(zhuǎn)狀態(tài)不同時(shí),各狀....

圖2時(shí)間序列的MSDE和排列熵對比

由前文MMSDE的基本原理可知,其計(jì)算過程與排列熵算法相似,然而MSDE特殊的計(jì)算方式能夠克服排列熵計(jì)算中的不足,具有很大優(yōu)勢。如圖2所示。相對MSDE,排列熵存在以下不足:(1)排列熵在評估時(shí)間序列幅值等級的差別時(shí)敏感度較低。

圖3改進(jìn)多尺度符號動力學(xué)信息熵計(jì)算流程

MMSDE篩選較好特征的流程如圖3所示。3行星齒輪箱特征提取

圖4行星變速箱試驗(yàn)臺

使用行星變速箱齒輪正常、齒輪輪齒裂紋故障等多種狀態(tài)驗(yàn)證MMSDE的有效性,故障模擬試驗(yàn)臺如圖4所示。試驗(yàn)臺主要由驅(qū)動電機(jī)、傳動箱、行星變速箱、加載電機(jī)、轉(zhuǎn)速轉(zhuǎn)矩儀等關(guān)鍵部件組成,其中行星變速箱主要由三個(gè)行星排以及多個(gè)定軸傳動組成。在實(shí)際運(yùn)行中,通過液壓油路控制其內(nèi)部離合器和制動器....

本文編號：3980605