基于EEMD和Choi-Williams分布的齿轮故障诊断

杨晓雨; 绳飘; 荆双喜; 冷军发

doi:10.16578/j.issn.1004.2539.2019.04.022

您当前的位置：

首页 >

文章列表页 >

基于EEMD和Choi-Williams分布的齿轮故障诊断

试验分析 | 更新时间：2022-10-03

- 基于EEMD和Choi-Williams分布的齿轮故障诊断
- Gear Fault Diagnosis based on EEMD and Choi-Williams Distribution
- 机械传动 2019年43卷第4期页码：120-124
- 作者机构：
  
  1.河南理工大学机械与动力工程学院，河南焦作 454000
- 作者简介：
  
  杨晓雨（1993— ），男，河南安阳人，在读硕士研究生，研究方向为设备故障诊断。
- 基金信息：
  
  国家自然科学基金(U1604140┫河南省重大科技专项┣171100210300-03)
- DOI：10.16578/j.issn.1004.2539.2019.04.022
  中图分类号：
扫描看全文
杨晓雨,绳飘,荆双喜等.基于EEMD和Choi-Williams分布的齿轮故障诊断[J].机械传动,2019,43(04):120-124.

Yang Xiaoyu,Sheng Piao,Jing Shuangxi,et al.Gear Fault Diagnosis based on EEMD and Choi-Williams Distribution[J].Journal of Mechanical Transmission,2019,43(04):120-124.
杨晓雨,绳飘,荆双喜等.基于EEMD和Choi-Williams分布的齿轮故障诊断[J].机械传动,2019,43(04):120-124. DOI： 10.16578/j.issn.1004.2539.2019.04.022.

Yang Xiaoyu,Sheng Piao,Jing Shuangxi,et al.Gear Fault Diagnosis based on EEMD and Choi-Williams Distribution[J].Journal of Mechanical Transmission,2019,43(04):120-124. DOI： 10.16578/j.issn.1004.2539.2019.04.022.

摘要

针对齿轮箱齿轮故障特征提取过程中，经验模态分解（EMD）存在模态混叠、固有模态函数（IMF）筛分困难以及Wigner-Ville分布（WVD）存在交叉干扰项的问题，提出一种集合经验模态分解（EEMD）和Choi-Williams分布（CWD）相结合的齿轮故障诊断方法。首先，将采集到的齿轮故障信号进行EEMD分解，分解为多个单分量固有模态函数（IMF）的组合；然后，通过相关系数和香农熵准则去除虚假分量并筛选IMF；最后，将筛选出的IMF分量进行CWD表达，结合时频域表现出的频率与等时冲击特性，识别出齿轮故障特征。通过齿轮故障仿真和实验分析，验证了该方法在齿轮箱齿轮故障诊断中的适用性和有效性。

Abstract

In the process of gear fault feature extraction， empirical mode decomposition （EMD） has the problem of modal aliasing， intrinsic mode function（IMF） screening difficulty， and Wigner-Ville distribution（WVD） has cross-terms interference. So， a gear fault diagnosis method combining ensemble empirical mode decomposition（EEMD） decomposition and Choi-Williams distribution（CWD） is proposed. Firstly， the collected signal is decomposed by EEMD and decomposed into the combination of single component intrinsic mode functions. Then， the false components are removed and IMFs are screened through the correlation coefficient and Shannon entropy. Finally， the selected IMF components are expressed in CWD time frequency graph， and the gear fault features are extracted with the characteristics of frequency and isochronous impact exhibited in the time-frequency domain. Through simulation and experimental analysis， the applicability and effectiveness of this proposed method in gearbox gear fault diagnosis are verified.

关键词

齿轮故障诊断EEMDChoi-Williams分布

Keywords

GearFault diagnosisEnsemble empirical mode decomposition（EEMD）Choi-Williams distribution （CWD）

references

冷军发. 基于盲源分离的齿轮箱低频故障特征提取方法研究［D］. 焦作：河南理工大学， 2016：1-3.

朱圆. 基于信号处理的齿轮箱故障诊断方法研究［D］. 成都：电子科技大学， 2017：1-4.

赵玮. 基于VMD和FSK的齿轮箱早期故障诊断［J］. 机械传动，2018， 42（1）：143-149.

FENG Z P， ZUO M J．Vibration signal models for fault diagnosis of planetary gearboxes［J］．Journal of Sound and Vibration， 2012， 331（22）：4919-4939.

赵学智，叶邦彦，陈统坚. 短时傅里叶变换的时频聚集性度量准则研究［J］. 振动、测试与诊断， 2017， 37（5）：948-956.

蔡剑华，黄国玉，黎小琴. 基于频率切片小波变换时频分析的齿轮故障诊断［J］. 机械强度， 2017， 39（5）：1026-1030.

林近山，窦春红，寇兴磊. 基于时变滤波经验模式分解的齿轮箱故障诊断［J］. 机械传动， 2018， 42（1）：98-101.

王衍学，何正嘉，訾艳阳，等. 基于LMD的时频分析方法及其机械故障诊断应用研究［J］. 振动与冲击， 2012， 31（9）：9-12.

王涛. 基于EEMD的齿轮箱故障特征提取方法研究［D］. 昆明：昆明理工大学， 2016：33-34.

郑近德，潘海洋，杨树宝，等. 广义变分模态分解方法及其在变工况齿轮故障诊断中的应用［J］. 振动工程学报， 2017， 30（3）：502-509.

蔡艳平，李艾华，石林琐. 基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断［J］. 内燃机工程， 2012， 33（2）：72-78.

李智，杨鑫. 基于EMD-WVD时频分布的齿轮故障诊断方法［J］. 濮阳职业技术学院学报， 2015， 28（4）：146-154.

薛松. 时频分析方法在齿轮箱故障特征提取中的研究应用［D］. 太原：太原理工大学， 2008：32-38.

孟凡磊，崔伟成，李伟，等. LCD、k-means与ICA相结合的滚动轴承故障诊断方法［J］. 机械科学与技术， 2017， 36（9）：1402-1407.

曾张博. 基于LCD和谱峭度的共振解调方法在齿轮箱故障诊断中的应用［J］. 大庆：东北石油大学， 2017：10-13.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进特征选择方法的齿轮故障SVM诊断

基于局部特征尺度分解和数学形态滤波的齿轮故障诊断方法研究

基于变分模态分解和符号熵的齿轮故障诊断方法

基于改进多尺度均值排列熵和参数优化SVM的齿轮箱故障诊断方法

基于变分模态分解和广义Warblet变换的齿轮故障诊断