唐贵基， 王晓龙

(华北电力大学能源动力与机械工程学院， 河北 保定 071003)

最大相关峭度解卷积结合稀疏编码收缩的齿轮微弱故障特征提取

唐贵基， 王晓龙

(华北电力大学能源动力与机械工程学院， 河北 保定 071003)

针对强背景噪声环境下齿轮早期故障诊断问题，提出了最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution, MCKD)结合稀疏编码收缩的微弱故障特征提取方法。由于最大相关峭度解卷积算法的处理结果同时受滤波器长度参数及解卷积周期参数的影响，为自适应地实现最佳的解卷积效果，利用粒子群算法优良的寻优特性，对最大相关峭度解卷积算法的最佳影响参数组合进行搜索。原故障信号经影响参数优化的最大相关峭度解卷积算法处理后，冲击特征会明显增强，为剔除剩余噪声，对所获解卷积信号做进一步稀疏编码收缩降噪处理，并通过分析降噪信号的包络谱来识别故障特征频率成分。实例分析结果验证了该方法的有效性和可靠性。

故障诊断； 齿轮； 微弱特征； 粒子群优化； 最大相关峭度解卷积

引 言

齿轮是机械设备中广泛应用的传动部件,但故障发生概率高、容易损坏，准确有效地提取齿轮早期故障微弱特征对于避免发生严重故障、 减少经济损失意义重大。在实际工程应用中，由于振动传输路径复杂多变、工作环境噪声干扰严重、多振动源的激励和响应互相耦合等诸多因素的影响，使得齿轮早期微弱故障特征提取相对困难, 这也一直是故障诊断领域的一个研究热点[1-2]。……