本文選題：共振稀疏分解　切入點：品質(zhì)因子　出處：《機械工程學(xué)報》2016年15期

【摘要】：在共振稀疏分解方法中,品質(zhì)因子決定其共振屬性,其值的選擇對共振稀疏分解結(jié)果有著很大的影響�，F(xiàn)有的共振稀疏分解方法主要是依靠人為選擇品質(zhì)因子,帶有較大的主觀隨意性,對最終診斷結(jié)果的提升非常有限。為此,基于遺傳算法的全局優(yōu)化性能,提出一種自適應(yīng)優(yōu)化品質(zhì)因子的共振稀疏分解新方法。與已有方法相比,該方法利用遺傳算法優(yōu)良的尋優(yōu)性能,優(yōu)化共振稀疏分解中的品質(zhì)因子,自適應(yīng)地得到與輸入信號故障特征相匹配的高低共振分量的品質(zhì)因子。將所提出的新方法應(yīng)用于某行星增速齒輪箱中行星齒輪與行星架軸承的復(fù)合故障診斷中,有效地提取出振動信號中相應(yīng)的故障特征,實現(xiàn)了早期復(fù)合故障的準(zhǔn)確診斷,表明了該方法的有效性和實用性。
[Abstract]:In the resonance sparse decomposition method, the quality factor determines the resonance attribute, and the selection of its value has a great influence on the resonance sparse decomposition results.The existing resonance sparse decomposition methods mainly rely on the artificial selection of quality factors, with a large subjective randomness, and the improvement of the final diagnosis results is very limited.Therefore, based on the global optimization performance of genetic algorithm, a new resonant sparse decomposition method for adaptive optimization of quality factors is proposed.Compared with the existing methods, this method optimizes the quality factors in the resonance sparse decomposition by using genetic algorithm, and adaptively obtains the quality factors of the high and low resonance components matching the fault characteristics of the input signals.The proposed new method is applied to the composite fault diagnosis of planetary gear and planetary bearing in a planetary gearbox. The corresponding fault characteristics of vibration signal are extracted effectively, and the accurate diagnosis of early composite fault is realized.The effectiveness and practicability of the method are demonstrated.
【作者單位】： 哈爾濱工業(yè)大學(xué)機電工程學(xué)院;
【基金】：國家自然科學(xué)基金(51175102) 中央高�；究蒲袠I(yè)務(wù)費專項資金(HIT.NSRIF.201638)資助項目
【分類號】：TH132.41

【相似文獻】

相關(guān)期刊論文 前2條

1 張文義;于德介;陳向民;;基于信號共振稀疏分解與能量算子解調(diào)的軸承故障診斷方法[J];中國電機工程學(xué)報;2013年20期

2 ;[J];;年期

相關(guān)碩士學(xué)位論文 前3條

1 鄭曉慧;機械振動信號的稀疏分解理論研究[D];蘭州理工大學(xué);2014年

2 李星;基于信號共振稀疏分解的齒輪箱故障診斷方法研究[D];湖南大學(xué);2014年

3 孫云嵩;基于信號共振稀疏分解的齒輪故障診斷方法研究[D];湖南大學(xué);2013年

，

本文編號：1704138