基于EEMD和FDA的齿轮故障诊断方法
针对齿轮故障振动信号中强噪声干扰现象引起的诊断困难问题,本文提出一种基于集成经验模式分解(EEMD)和Fisher判别分析(FDA)的故障诊断方法.首先,采用EEMD方法对齿轮振动信号进行自适应分解,得到一组内禀模态函数(IMF)分量；然后,利用相关性分析提取并重构前五个与故障相关的IMF分量,降低噪声干扰;最后,计算重构信号的包络谱熵和能量熵等特征,应用FDA方法进行故障分类.将该方法应用于齿轮断齿、磨损、剥落三种故障诊断,准确地区分出各种故障.结果表明:该方法能够降低噪声,有效提取齿轮故障特征,是一种可靠的故障诊断方法.
齿轮构件 故障诊断 振动信号 数据处理
李力 张全林 余新亮
三峡大学机械与材料学院,宜昌443002
国内会议
郑州
中文
113-116
2012-08-16（万方平台首次上网日期，不代表论文的发表时间）