双树复小波和MED在齿轮箱早期故障诊断中的应用

摘要：

针对齿轮箱轴承早期故障特征信号微弱且受环境噪声影响严重,故障特征信息难以识别的问题,提出了双树复小波变换(dual-tree complex wavelet transform,DT-CWT)和最小熵反褶积(minimum entropy deconvolution,MED)的故障诊断方法.首先对采集到的振动信号进行双树复小波分解,得到几个不同频段的分量,由于噪声的干扰,从各个分量的频谱中很难对故障做出正确的判断.然后对包含故障特征的分量进行最小熵反褶积滤波处理以消除噪声影响,凸显故障特征信息.最后对滤波后的信号进行Hilbert包络谱分析,即可从中准确地识别出轴承的故障特征频率.通过齿轮箱轴承故障模拟实验和工程应用实例分析验证了该方法的有效性与优越性.

关键词：齿轮箱、双树复小波、最小熵反褶积、Hilbert包络谱、轴承、故障诊断

所属期刊栏目：40

分类号：TH16;TH133.33

资助基金：国家自然科学基金项目21366017;内蒙古高等学校科学研究项目NJZY16154;内蒙古科技大学创新基金项目2015QDL10资助.The project supported by the National Natural Science Foundation of China21366017;the Science Research Project of Inner Mongolia Colleges and UniversitiesNJZY16154;the Innovation Fund Project of Inner Mongolia University of Science and Technology2015QDL1O

在线出版日期：2018-06-07（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：280-286