齿轮局部故障的滑窗相关和重叠群稀疏诊断方法
2020-12-18吴芳坦林慧斌何国林
振动工程学报 2020年5期
关键词:故障诊断
吴芳坦 林慧斌 何国林



摘要:齿轮发生局部故障时会产生周期性冲击激励,如何在早期故障阶段或强背景噪声下提取齿轮局部故障分量一直是故障诊断的难点。针对此问题,提出一种基于滑窗相关和重叠群稀疏的齿轮局部故障特征提取方法。该方法先利用移不变K-SVD算法学习到的故障冲击模式与原始信号进行滑窗相关,对隐藏在噪声中的冲击分量进行特征增强,再利用冲击分量所具有的群稀疏特性,通过重叠群稀疏算法直接从相关信号中提取包含故障周期特征的群稀疏成分,并进一步重构出冲击信号。利用所提方法,齿轮局部故障仿真和实验信号中的故障特征和冲击分量均被很好地提取出来。此外,通过与谱峭度以及其他同类方法的对比进一步说明了所提方法的优越性,通过在正常齿轮信号上的分析也验证该方法不会产生误诊。
关键词:故障诊断;齿轮;移不变K-SVD重叠群稀疏;滑窗相关
中图分类号:TH165+.3;TH132.41;TN911.7文献标志码:A 文章编号:1004-4523(2020)05-1084-10
DOI:10.16385/j.cnki.issn.1004-4523.2020.05.023
引言
齿轮传动系统在风力发电机组、汽车变速箱等复杂机械设备中得到了广泛的应用。然而,受强负荷、长期高速连续运行等恶劣工作状态的影响,齿轮容易出现故障,进而造成重大事故。因此,对其进行状态监测以发现早期故障并进行预警具有重大意义。
当齿轮存在点蚀、剥落或断齿等局部故障,其振动信号在时域中会表现为一系列冲击,然而受正常齿轮啮合振动以及强背景噪声的影响,传感器采集到的机械振动信号往往是复杂的混合信号,难以直接从原始振动信号中获得故障信息。……
登录APP查看全文
