科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了及时有效地诊断风机齿轮箱早期微弱故障,针对齿轮箱微弱故障信号非线性、非平稳、低幅值、低信噪比的特点,本文提出了一种基于多维特征评价的风机齿轮箱早期故障诊断方法.首先,利用变分模态分解将原始振动信号分解为多个固有模态分量,并构建“信息熵—峭度—包络谱峭度”多维特征评价模型,结合熵权法筛选关键特征分量以重构信号.其次,运用改进的小波阈值法降低噪声干扰对重构信号的影响,得到显著的故障冲击特征.再者,使用宽度学习系统进行状态识别,并利用L21正则化技术进一步提高其网络结构的稀疏性.最后,通过对风机齿轮箱实测数据进行特征分析并与传统方法进行对比实验,表明了本方法的有效性和优越性.
- 单位
