级联双稳随机共振和基于 Hermite 插值的局部均值分解方法在齿轮故障诊断中应用

摘要：

针对于弱信号在齿轮故障中难以提取问题，提出了一种基于级联双稳随机共振（Cascaded Bistable Sto-chastic Resonance，CBSR）降噪和局部均值分解（Local Mean Decomposition，LMD）齿轮故障的诊断方法。随机共振可有效削弱信号中的噪声，利用噪声增强故障信号的微弱特征；LMD 方法可自适应将复杂信号分解为若干个具有一定物理意义上 PF 分量之和，适合处理多分量调幅调频信号。首先将振动信号进行 CBSR 消噪处理，然后对消噪信号进行 LMD 分解，通过 PF 分量的幅值谱找到齿轮的故障频率。通过齿轮磨损故障诊断的工程应用，表明该方法可以有效提取齿轮故障微弱特征，实现齿轮箱的早期故障诊断。

关键词：级联双稳随机共振、局部均值分解、故障诊断、齿轮

分类号：TH165.3

资助基金：国家自然科学基金资助项目10772061

在线出版日期：2015-03-30（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：95-101