基于AR-MOMEDA的车辆齿轮箱故障诊断方法

摘要：

在齿轮箱故障诊断过程中,多点最优最小熵反褶积(MOMEDA)能够连续提取周期脉冲,对信号的处理效率优于传统的最小熵反褶积(MED).但MOMEDA在故障诊断中抗噪声能力差,故障频率容易淹没在噪声中,导致错误诊断.为此首先对振动信号进行预处理,将振动信号分为高频含噪分量以及低频剩余分量;然后提出一种AR-MOMEDA算法,对高频信号分量进行降噪.仿真实验以及工程应用结果表明,该方法比传统的MOMEDA更能够有效地提取故障特征,具有较强的抗噪能力.

关键词：多点最优最小熵反褶积、齿轮箱、故障诊断

所属期刊栏目：50

分类号：TH132.41

在线出版日期：2021-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：50-54