安徽农业科学
安徽農業科學
안휘농업과학
JOURNAL OF ANHUI AGRICULTURAL SCIENCES
2015年
23期
346-348,387
,共4页
臧云帆%万舟%耿娜娜%刘东生%李枝荣
臧雲帆%萬舟%耿娜娜%劉東生%李枝榮
장운범%만주%경나나%류동생%리지영
齿轮故障%数学形态滤波%LMD%故障特征频率%BP神经网络
齒輪故障%數學形態濾波%LMD%故障特徵頻率%BP神經網絡
치륜고장%수학형태려파%LMD%고장특정빈솔%BP신경망락
Gear failure%Mathematical morphology filter%Local Mean Decomposi-tion(LMD)%The fault characteristic frequency%BP neural network
由于农用电机中的齿轮运行环境恶劣,早期故障的不易发现,鉴于故障振动信号的非平稳性、非线性,并存在于大量的噪声信号中,很难提取故障特征.该研究采用数学形态滤波与局域均值分解相结合的方法.通过多结构多尺度数学形态滤波器对齿轮故障振动信号进行背景噪声滤除和振动信号提取,结合局域均值分解对信号进行处理,进而提取能量特征参数,并作归一化处理,最后采用BP神经网络对齿轮的各种运行状态进行分类识别.通过分析齿轮的正常状态,磨损和断齿与基于LMD分解的诊断结果作比较,该方法的故障识别率高于基于LMD和神经网络.
由于農用電機中的齒輪運行環境噁劣,早期故障的不易髮現,鑒于故障振動信號的非平穩性、非線性,併存在于大量的譟聲信號中,很難提取故障特徵.該研究採用數學形態濾波與跼域均值分解相結閤的方法.通過多結構多呎度數學形態濾波器對齒輪故障振動信號進行揹景譟聲濾除和振動信號提取,結閤跼域均值分解對信號進行處理,進而提取能量特徵參數,併作歸一化處理,最後採用BP神經網絡對齒輪的各種運行狀態進行分類識彆.通過分析齒輪的正常狀態,磨損和斷齒與基于LMD分解的診斷結果作比較,該方法的故障識彆率高于基于LMD和神經網絡.
유우농용전궤중적치륜운행배경악렬,조기고장적불역발현,감우고장진동신호적비평은성、비선성,병존재우대량적조성신호중,흔난제취고장특정.해연구채용수학형태려파여국역균치분해상결합적방법.통과다결구다척도수학형태려파기대치륜고장진동신호진행배경조성려제화진동신호제취,결합국역균치분해대신호진행처리,진이제취능량특정삼수,병작귀일화처리,최후채용BP신경망락대치륜적각충운행상태진행분류식별.통과분석치륜적정상상태,마손화단치여기우LMD분해적진단결과작비교,해방법적고장식별솔고우기우LMD화신경망락.
