CAJ | 학술논문

煤矿机械齿轮传动过程中，齿轮振动信号因摩擦力、刚度非线性等因素表现出非平稳特征的同时还受工况现场的强噪声干扰，如何在强噪声背景下，有效提取故障信息、识别故障类型是该类故障诊断的关键。提出一种强噪声背景下基于振动信号分析的齿轮故障诊断方法，该方法包括小波阀值降噪处理、总体经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）熵特征提取、概率神经网络（Probabilistic Neural Network， PNN）识别三个过程。利用小波阀值降噪对采集到的振动信号进行去噪处理；对去噪后信号进行EEMD分解，得到一组消除模态混叠的固有模态函数（Intrinsic Mode Function，IMF）分量，并提取前3个IMF分量的样本熵特征作为故障特征信息；最终结合PNN实现强噪声背景下的齿轮故障诊断。实验结果表明：文中提出的方法可以实现强噪声背景下齿轮故障的准确识别，识别率可以达到90%以上，是一种有效的齿轮故障识别方法。
매광궤계치륜전동과정중，치륜진동신호인마찰력、강도비선성등인소표현출비평은특정적동시환수공황현장적강조성간우，여하재강조성배경하，유효제취고장신식、식별고장류형시해류고장진단적관건。제출일충강조성배경하기우진동신호분석적치륜고장진단방법，해방법포괄소파벌치강조처리、총체경험모태분해（Ensemble Empirical Mode Decomposition，EEMD）적특정제취、개솔신경망락（Probabilistic Neural Network， PNN）식별삼개과정。이용소파벌치강조대채집도적진동신호진행거조처리；대거조후신호진행EEMD분해，득도일조소제모태혼첩적고유모태함수（Intrinsic Mode Function，IMF）분량，병제취전3개IMF분량적양본적특정작위고장특정신식；최종결합PNN실현강조성배경하적치륜고장진단。실험결과표명：문중제출적방법가이실현강조성배경하치륜고장적준학식별，식별솔가이체도90%이상，시일충유효적치륜고장식별방법。