摘要
针对行星齿轮箱故障初期特征提取困难的问题,提出了一种基于聚合经验模态分解(Ensemble Em⁃pirical Mode Decomposition,EEMD)、奇异谱分析(Singular Spectrum Analysis,SSA)与自适应线性预测滤波(Adaptive Linear Prediction Filtering,ALPF)结合的故障初期特征自适应提取方法.首先,利用EEMD预处理采集的振动信号,得到本征模态函数(Intrinsic Module Function,IMF)分量.其次,根据能量比选取IMFs重构信号.然后,利用SSA增强重构信号的非线性特征.之后,利用基于谱估计的自适应线性预测方法对非线性最突出的频段进行自适应线性滤波.最后,提取滤波后的信号包络,进行傅里叶变换,提取得到故障初期的微弱特征.在行星齿轮箱故障诊断试验台上进行了试验,所提方法与传统的基于EEMD-SSA的包络分析进行了对比,结果验证了该方法的有效性.
维普
万方数据