机械传动2022，Vol.46Issue(3) ：154-162.DOI:10.16578/j.issn.1004.2539.2022.03.024

基于ISGMD和MED的齿轮箱早期故障特征提取

Feature Extraction of Gearbox Early Fault based on ISGMD and MED

董书洲 秦训鹏 杨世明
机械传动2022，Vol.46Issue(3) ：154-162.DOI:10.16578/j.issn.1004.2539.2022.03.024
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于ISGMD和MED的齿轮箱早期故障特征提取

Feature Extraction of Gearbox Early Fault based on ISGMD and MED

董书洲 1秦训鹏 1杨世明1
扫码查看

作者信息

  • 1. 武汉理工大学 汽车工程学院,湖北 武汉 430070
  • 折叠

摘要

针对在强噪声背景下难以识别齿轮箱早期故障以及复合故障的问题,提出了一种改进辛几何模态分解(Improved symplectic geometry mode decomposition,ISGMD)和最小熵解卷积(Minimum entropy deconvolution,MED)相结合的故障特征提取方法.首先,将信号经最小熵解卷积预处理,突出信号中的故障冲击成分;然后,将故障增强信号通过改进辛几何模态分解自适应地分解为若干辛几何分量,并依据峭度最大准则选取峭度值最大的敏感辛几何分量;最后,对选定的敏感辛几何分量进行包络分析,从而有效地提取出齿轮箱的故障特征.通过实验,验证了该方法的有效性.

关键词

齿轮箱/辛几何模态分解/最小熵解卷积/早期故障/特征提取

引用本文复制引用

基金项目

国家自然科学基金(51575415)

出版年

2022
机械传动
郑州机械研究所 中国机械通用零部件工业会齿轮分会 中国机械工程学会

机械传动

CSTPCD北大核心
影响因子：0.534
ISSN：1004-2539
被引量1
参考文献量15
段落导航相关论文