針對行星齒輪箱振動信號故障特征提取困難的問題,提出一種基于變分模態(tài)分解的行星齒輪箱故障特征提取方法。首先利用變分模態(tài)分解（VMD）算法對樣本信號進行分解,得到若干本征模態(tài)函數（imf）。然后,計算各分量與樣本信號之間的相關系數和歐氏距離,篩選出表征樣本信號特征的有效分量,并計算其Teager能量算子,將計算結果進行重構。最后,針對多尺度模糊熵對信號局部差異不夠敏感,提取重構信號的多尺度模糊熵和多尺度能量作為基本參數,進行參數融合構成新指標。將其應用于行星齒輪箱太陽輪和行星軸承故障分析,結果表明:新方法既可以區(qū)分行星齒輪箱太陽輪不同故障類型,又能有效識別行星軸承不同位置故障。另外,與現有方法對比,新方法區(qū)分效果更好。 

【文章來源】：噪聲與振動控制. 2020,40(03)CSCD

【文章頁數】：7 頁

【文章目錄】：
1 新特征提取方法
    1.1 基本思路
    1.2 特征提取步驟
    1.3 特征指標評估
2 新特征提取方法實驗驗證
    2.1 DDS實驗臺及實驗設計
    2.2 故障特征提取
        (1)太陽輪不同故障類型區(qū)分
        2）行星軸承不同位置故障區(qū)分
3 不同方法對比驗證
    3.1 不同特征指標對比
    3.2 不同方法診斷效果對比
4 結語


【參考文獻】：
期刊論文
[1]基于EEMD奇異值熵的滾動軸承故障診斷方法[J]. 張琛,趙榮珍,鄧林峰.  振動.測試與診斷. 2019(02)
[2]基于多變量多尺度模糊熵的行星齒輪箱故障診斷[J]. 鄭近德,潘海洋,張俊,劉濤,劉慶運.  振動與沖擊. 2019(06)
[3]基于參數自適應變分模態(tài)分解的行星齒輪箱故障診斷[J]. 孫燦飛,王友仁,沈勇,陳偉.  航空動力學報. 2018(11)
[4]VMD樣本熵特征提取方法及其在行星變速箱故障診斷中的應用[J]. 楊大為,馮輔周,趙永東,江鵬程,丁闖.  振動與沖擊. 2018(16)
[5]基于ELMD能量熵與AFSA-SVM的行星齒輪箱關鍵部件故障診斷研究[J]. 張魯洋,秦波,尹恒,王建國.  機械傳動. 2018(06)
[6]基于VMD與多特征融合的齒輪故障診斷方法[J]. 王建國,陳帥,張超.  機械傳動. 2017(03)
[7]EMD分解與多特征融合的齒輪故障診斷方法[J]. 秦波,劉永亮,王建國,張玉皓,常福.  機床與液壓. 2016(03)
[8]多參數與多測點信息融合的行星輪故障診斷[J]. 徐玉秀,趙曉清,楊文平,郭威.  儀器儀表學報. 2014(08)



本文編號：3167445