【摘要】：約束獨立分量分析對于測量信號中的傳感器噪聲(測量噪聲)具有很強的免疫能力,但對源噪聲的免疫性卻很差。針對這個問題,提出了小波變換特征增強的約束獨立分量分析的齒輪箱故障特征提取方法。通過對測量信號小波分解,有針對性地選擇某子頻段小波系數(shù)重構(gòu),有利于提高信噪比,增強信號的統(tǒng)計獨立性和非高斯性,從而增強約束獨立分量分析方法提取齒輪故障特征的效果;而未經(jīng)小波變換除噪時,約束獨立分量分析的效果不佳。通過仿真分析和在礦用帶式輸送機齒輪箱故障診斷的應(yīng)用結(jié)果綜合表明,該方法能有效降低源噪聲的影響,準(zhǔn)確提取出齒輪故障特征,尤其是微弱低頻故障特征。為礦用齒輪箱多通道振動狀態(tài)監(jiān)測與故障診斷提供了一種新的有效手段和途徑。
[Abstract]:Constrained independent component analysis has strong immunity to sensor noise (measurement noise) in the measurement signal, but poor immunity to the source noise. In order to solve this problem, a wavelet transform feature enhanced constrained independent component analysis method for gear box fault feature extraction is proposed. Through the wavelet decomposition of the measured signal, it is beneficial to improve the signal-to-noise ratio (SNR) and enhance the statistical independence and non-Gaussian property of the signal by selecting the wavelet coefficients of a certain sub-band. In order to enhance the effect of extracting gear fault features by constrained independent component analysis method; Without wavelet transform de-noising, the effect of constrained independent component analysis is not good. The results of simulation analysis and application in fault diagnosis of belt conveyor gearbox show that this method can effectively reduce the influence of source noise and extract the fault characteristics of gears, especially the weak low frequency fault characteristics. It provides a new effective method for multi-channel vibration monitoring and fault diagnosis of mine gearbox.
【作者單位】： 河南理工大學(xué)機械與動力工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(U1304523) 煤炭工業(yè)協(xié)會指導(dǎo)性基金資助項目(MTKJ2015-261) 河南理工大學(xué)博士基金資助項目
【分類號】：TD528.1

【相似文獻】

相關(guān)期刊論文 前10條

1 姜旭剛;潘宏俠;劉輝;侯澤雄;;基于提升小波的齒輪箱故障診斷[J];煤礦機械;2013年10期

2 周鳳星,程耕國,高立新;小波分析在大型齒輪箱故障診斷中的應(yīng)用[J];武漢科技大學(xué)學(xué)報(自然科學(xué)版);2003年03期

3 王志強,王新晴,侯燦明;基于邊頻帶譜理論的齒輪箱故障診斷[J];礦山機械;2004年07期

4 丁保華,李占芳;齒輪箱故障診斷中振動信號處理方法綜述[J];煤礦機械;2005年08期

5 秦國有;行志剛;陳東海;;提升機齒輪箱故障診斷研究[J];煤礦機電;2009年02期

6 申大勇;;頻譜分析法在齒輪箱故障診斷中的應(yīng)用[J];石油和化工設(shè)備;2010年03期

7 冷軍發(fā);荊雙喜;禹建功;;基于小波雙譜的礦用齒輪箱故障診斷[J];煤炭學(xué)報;2010年07期

8 戚曉利;潘紫微;;頻譜分析法在齒輪箱故障診斷中的應(yīng)用[J];安徽工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2006年04期

9 舒服華;;基于倒頻譜分析的烘缸傳動齒輪箱故障診斷[J];中華紙業(yè);2007年08期

10 安長河;冷軍發(fā);鐵占續(xù);;煤礦絞車齒輪箱故障診斷分析[J];煤礦機械;2007年08期

相關(guān)會議論文 前6條

1 蔡安江;豆衛(wèi)濤;柴彥昌;孫少軍;;基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的齒輪箱故障診斷應(yīng)用研究[A];陜西省機械工程學(xué)會第九次代表大會會議論文集[C];2009年

2 高永生;唐力偉;甘霖;楊通強;;基于系統(tǒng)特性的齒輪箱故障診斷[A];2005年中國機械工程學(xué)會年會論文集[C];2005年

3 李愛民;;基于灰色聚類決策的齒輪箱故障診斷[A];第19屆灰色系統(tǒng)全國會議論文集[C];2010年

4 金大瑋;李建橋;賈民平;;循環(huán)自相關(guān)函數(shù)在齒輪箱故障診斷中的應(yīng)用[A];走中國特色農(nóng)業(yè)機械化道路——中國農(nóng)業(yè)機械學(xué)會2008年學(xué)術(shù)年會論文集（上冊）[C];2008年

5 董海江;趙春華;萬詩慶;汪偉;;LWPEE與SVM在風(fēng)電齒輪箱故障診斷中的應(yīng)用[A];第十一屆全國摩擦學(xué)大會論文集[C];2013年

6 雷亞國;林京;何正嘉;;基于多傳感器信息融合的行星齒輪箱故障診斷[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前3條

1 歐璐;圖譜理論在齒輪箱故障診斷中的應(yīng)用研究[D];湖南大學(xué);2016年

2 許昕;基于濾波技術(shù)和粒子群優(yōu)化的齒輪箱故障診斷研究[D];中北大學(xué);2011年

3 焦新濤;小波分析及其在齒輪箱故障診斷中應(yīng)用研究[D];華南理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李猷鳳;齒輪箱故障診斷的小波包-ICA分析方法[D];南京理工大學(xué);2015年

2 鄢小安;基于自適應(yīng)振動信號處理的齒輪箱故障診斷研究[D];華北電力大學(xué);2015年

3 李楠;基于粒子濾波的齒輪箱故障診斷[D];華北電力大學(xué);2015年

4 張韶;基于數(shù)據(jù)挖掘技術(shù)在齒輪箱故障診斷的應(yīng)用[D];河北工程大學(xué);2015年

5 李國明;基于神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究[D];河北工業(yè)大學(xué);2015年

6 盧昆鵬;基于DSP-SVM的風(fēng)電齒輪箱故障診斷系統(tǒng)[D];中北大學(xué);2016年

7 馬凌芝;基于DSP和TQWT稀疏分解的風(fēng)電齒輪箱故障診斷系統(tǒng)[D];中北大學(xué);2016年

8 郭松濤;基于約束獨立分量分析的齒輪箱故障診斷研究[D];河南理工大學(xué);2015年

9 牛志雷;基于形態(tài)分量分析的齒輪箱故障診斷研究[D];石家莊鐵道大學(xué);2016年

10 曹勁然;大型吊裝裝備齒輪箱故障診斷與預(yù)測方法研究[D];南京理工大學(xué);2016年

，

本文編號：2447926