振动、测试与诊断
振動、測試與診斷
진동、측시여진단
JOURNAL OF VIBRATION, MEASUREMENT & DIAGNOSIS
2014年
1期
63-68
,共6页
熊炘%杨世锡%甘春标%叶红仙
熊炘%楊世錫%甘春標%葉紅仙
웅흔%양세석%감춘표%협홍선
齿轮箱%齿轮点蚀%小波包分解独立分量分析%多维经验模式分解
齒輪箱%齒輪點蝕%小波包分解獨立分量分析%多維經驗模式分解
치륜상%치륜점식%소파포분해독립분량분석%다유경험모식분해
针对齿轮箱振动信号中混杂其他零部件振动频率的问题,提出一种基于小波包分解独立分量分析(wavelet package independent component analysis,简称WPICA)和多维经验模式分解(multivariate empirical mode decomposition,简称MEMD)的齿轮箱齿面点蚀故障信号的多通道数据融合识别方法.首先,利用一种窄带独立分量分析(sub-band decomposition independent component analysis,简称SDICA)方法-WPICA,从水泵机组多通道信号中提取齿轮箱振源,确定齿轮箱振动包含的特征频率成分;其次,借助MEMD分解多通道机组振动信号,将所获得的多维固有模式函数(intrinsic mode function,简称IMF)进行矩阵互信息运算,完成多通道数据的融合;最后,通过定义IMF故障敏感因子,确定故障敏感IMF的阶数并获得了齿轮点蚀故障的特征频率.数据分析结果证明了本研究方法的有效性.
針對齒輪箱振動信號中混雜其他零部件振動頻率的問題,提齣一種基于小波包分解獨立分量分析(wavelet package independent component analysis,簡稱WPICA)和多維經驗模式分解(multivariate empirical mode decomposition,簡稱MEMD)的齒輪箱齒麵點蝕故障信號的多通道數據融閤識彆方法.首先,利用一種窄帶獨立分量分析(sub-band decomposition independent component analysis,簡稱SDICA)方法-WPICA,從水泵機組多通道信號中提取齒輪箱振源,確定齒輪箱振動包含的特徵頻率成分;其次,藉助MEMD分解多通道機組振動信號,將所穫得的多維固有模式函數(intrinsic mode function,簡稱IMF)進行矩陣互信息運算,完成多通道數據的融閤;最後,通過定義IMF故障敏感因子,確定故障敏感IMF的階數併穫得瞭齒輪點蝕故障的特徵頻率.數據分析結果證明瞭本研究方法的有效性.
침대치륜상진동신호중혼잡기타령부건진동빈솔적문제,제출일충기우소파포분해독립분량분석(wavelet package independent component analysis,간칭WPICA)화다유경험모식분해(multivariate empirical mode decomposition,간칭MEMD)적치륜상치면점식고장신호적다통도수거융합식별방법.수선,이용일충착대독립분량분석(sub-band decomposition independent component analysis,간칭SDICA)방법-WPICA,종수빙궤조다통도신호중제취치륜상진원,학정치륜상진동포함적특정빈솔성분;기차,차조MEMD분해다통도궤조진동신호,장소획득적다유고유모식함수(intrinsic mode function,간칭IMF)진행구진호신식운산,완성다통도수거적융합;최후,통과정의IMF고장민감인자,학정고장민감IMF적계수병획득료치륜점식고장적특정빈솔.수거분석결과증명료본연구방법적유효성.
