針對(duì)不同故障類別齒輪的故障信息難以有效獲取、齒面多類故障難以準(zhǔn)確聚類的問(wèn)題,提出一種基于特征處理的最大方差展開(kāi)(Maximum Variance Unfolding,MVU)維數(shù)簡(jiǎn)約的齒輪故障診斷模型。首先對(duì)獲取的振動(dòng)信號(hào)進(jìn)行最小熵反卷積(Minimum Entropy Deconvolution,MED)預(yù)處理,將高低頻段進(jìn)行分離并篩除不確定信號(hào),并在多域上提取信息熵作為特征指標(biāo);而后,利用樣本點(diǎn)分布矩陣篩選高效表征特征指標(biāo)并構(gòu)建高維特征空間,并利用改進(jìn)的MVU算法對(duì)其進(jìn)行維數(shù)簡(jiǎn)約,獲取低維的真實(shí)子空間;最后,將其輸入到超球多類支持向量機(jī)中進(jìn)行超球構(gòu)造與分類識(shí)別。通過(guò)實(shí)驗(yàn)數(shù)據(jù)的分析對(duì)比驗(yàn)證模型的有效性。

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1MED求解過(guò)程

與正常狀態(tài)的齒輪相比,故障齒輪的振動(dòng)信號(hào)中會(huì)出現(xiàn)能量的變化,不同類型故障反映在頻帶中的能量分布存在差異,而同類型的故障磨損程度加劇,特定頻率能量所占的比例也會(huì)增加,不確定成分的比例減小,因此信息熵作為對(duì)系統(tǒng)不確定性程度的表征,可用于對(duì)齒輪狀態(tài)類別的描述,如小波能譜熵憑借小波分解的....

圖2故障診斷流程圖

動(dòng)力傳動(dòng)故障診斷綜合實(shí)驗(yàn)臺(tái)(見(jiàn)圖3)平臺(tái)由一個(gè)二級(jí)行星齒輪箱、一個(gè)二級(jí)平行軸齒輪箱、一個(gè)變速驅(qū)動(dòng)電機(jī)和一個(gè)磁力制動(dòng)器組成,本實(shí)驗(yàn)以平行軸齒輪箱中傳動(dòng)軸上的小齒輪作為目標(biāo)測(cè)試齒輪,在靠近目標(biāo)齒輪一側(cè)的箱壁上安裝振動(dòng)加速度傳感器,分別從軸向、徑向采集三個(gè)方向的數(shù)據(jù)。圖3動(dòng)力傳動(dòng)故障....

圖3動(dòng)力傳動(dòng)故障診斷實(shí)驗(yàn)臺(tái)

圖2故障診斷流程圖平臺(tái)的各類參數(shù)描述如下,電機(jī)轉(zhuǎn)速設(shè)置為1785r/min,動(dòng)力經(jīng)過(guò)行星軸齒輪箱輸入至平行軸齒輪箱,行星齒輪箱的輸入輸出比為27∶1,平行軸齒輪箱輸入軸上齒輪Z1齒數(shù)為100,傳動(dòng)軸上小齒輪Z2齒數(shù)為29,通過(guò)計(jì)算傳動(dòng)軸轉(zhuǎn)頻f2得出二者之間嚙合頻率應(yīng)為fm=....

圖4傳動(dòng)簡(jiǎn)圖與故障齒輪

在實(shí)驗(yàn)過(guò)程中,由于實(shí)驗(yàn)臺(tái)的動(dòng)力是通過(guò)行星齒輪箱傳遞到測(cè)試齒輪箱,所以采集到的信號(hào)中會(huì)存在調(diào)制、噪聲等干擾,因此根據(jù)診斷模型,先對(duì)采集到的振動(dòng)信號(hào)進(jìn)行最小熵的反卷積預(yù)處理,將高頻段的特征載體信號(hào)分離出來(lái),壓制噪聲對(duì)后續(xù)診斷流程的干擾。這里以全斷齒齒輪的反卷積預(yù)處理為例,圖5為采集到....

本文編號(hào)：3891845