赵 军 崔 颖 赖欣欢 孔 明 林 敏

中国计量学院，杭州，310018

随机共振降噪下的齿轮微弱故障特征提取

赵 军 崔 颖 赖欣欢 孔 明 林 敏

中国计量学院，杭州，310018

针对强背景噪声下的齿轮微弱故障特征提取问题，提出了一种将级联单稳随机共振与经验模式分解（EMD）－Teager能量算子解调方法相结合的特征提取方法。首先对含噪故障信号进行随机共振输出，降噪后再进行经验模式分解，分解得到具有不同特征时间尺度的固有模态函数（IMFs），最后通过Teager能量算子解调方法求取每个有效IMF分量的幅频信息，从而提取齿轮微弱故障特征。仿真分析和实际测试结果均表明，通过随机共振降噪后，该方法能有效检测出齿轮局部损伤故障特征频率。

级联；单稳随机共振；经验模式分解；Teager能量算子

0 引言

齿轮是机械设备中最常用也是最容易磨损的部件，诊断出齿轮的早期微弱故障特征对避免严重故障的发生、保证机械设备的正常运行具有重要意义。工程实际中存在的大量背景噪声严重降低了信噪比，很难检测出齿轮故障的早期特征。

Lei等［1］通 过 WKNN（weighted k nearest neighbour）获得了齿轮裂纹信息，Lin等［2］则用综合小波分析等方式诊断出齿轮疲劳故障，但这些方式不易实现信息的降噪提取，远未达到早期故障诊断领域内的要求。目前，广泛应用于齿轮故障检测的经验模式分解（empirical mode decomposition，EMD）方法［3］虽然能有效检测非线性非平稳信号特征，但在强噪声的影响下，EMD方法也存在着模式混叠、虚假分量等问题，因此在对信号进行EMD之前需降噪处理。……