基于EEMD-CWD的齿轮箱振动信号故障特征提取

摘要：

为实现齿轮箱故障特征提取,提出一种基于集成经验模态分解(EEMD)和乔-威廉姆斯分布(CWD)的齿轮箱振动信号特征的提取方法.对现场采集的振动信号进行EEMD分解,再对分解得到的固有模态函数(IMF)分量依照峭度准则进行排序,选取峭度指标较大的IMF分量进行CWD分析,最终得到信号的CWD.该方法可以有效抑制由于干扰项引起的频率混叠和干扰问题,有助于将原始信号在时间历程、频率成分和幅值大小3个方面的特征信息同时进行准确提取.利用该方法对实际齿轮发生断齿、裂纹故障进行了实验分析,结果表明:该方法能够全面、有效地提取齿轮振动信号中所蕴含的齿轮箱状态信息,为后续进行齿轮箱状态识别和故障诊断奠定基础.

关键词：兵器科学与技术、齿轮箱、集成经验模态分解、峭度、乔-威廉姆斯分布、特征提取

所属期刊栏目：35

分类号：TH17

资助基金：国家自然科学基金项目51205405

在线出版日期：2014-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1288-1294