机械设计与制造2023，Vol.387Issue(5) ：257-263.

最大鞘度熵反褶积的齿轮箱故障诊断

Fault Diagnosis of Gearbox Based on Maximum Sheath Entropy Deconvolution

白国庆 武昭晖 郝宁
机械设计与制造2023，Vol.387Issue(5) ：257-263.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

最大鞘度熵反褶积的齿轮箱故障诊断

Fault Diagnosis of Gearbox Based on Maximum Sheath Entropy Deconvolution

白国庆 1武昭晖 2郝宁3
扫码查看

作者信息

  • 1. 太原学院机械工程系,山西 太原 030032
  • 2. 太原学院机械与电气工程系,山西 太原 030032
  • 3. 山西平阳重工机械有限责任公司,山西侯马 043000
  • 折叠

摘要

考虑到最小熵反褶积(Minimum Entropy Deconvolution,MED)只对单一的异常振动信号很敏感,而且,滤波器的长度需要人工调控,提出了 一种最大峭度熵反褶积(Maximum Kurtosis Entropy Deconvolution,MKSED)方法,并将其应用于轴承故障诊断.考虑峭度熵具有突出连续冲击振荡的优点,选择峭度熵作为反褶积的目标函数.同时,利用峭度熵作为改进的局部粒子群优化算法(Local Particle Swarm Optimization Algorithm,LPSO)的适应度函数,利用局部粒子群优化滤波器长度,使最大峭度熵反褶积在解卷积时自适应地调整滤波器长度,从而能够准确地提取出连续的脉冲信号.实验分析结果验证了该方法能够更叫有效的提取连续脉冲信号的能力,提升了故障诊断的精度.

关键词

齿轮箱/粒子群优化算法/最大峭度熵反褶积/信号提取/故障诊断

引用本文复制引用

基金项目

2018年山西省国家级大学生创新创业训练计划(2018687)

出版年

2023
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
参考文献量11
段落导航相关论文