基于双树复小波变换—最大熵谱估计和参数优化概率神经网络的齿轮箱故障诊断研究

作者：孙程阳; 李尧; 朱帅; 张喜双

来源：测控技术, 2023, 42(05): 104-127.

DOI：10.19708/j.ckjs.2023.05.015

• 双树复小波变换
• 最大熵谱估计
• 概率神经网络
• 惯性权重线性递减粒子群优化
• 故障诊断

齿轮振动信号具有非平稳性和非线性的特点。为了准确提取其故障特征并进行故障诊断，提出一种基于双树复小波变换(DTCWT)-最大熵谱估计(MESE)和惯性权重线性递减粒子群优化(LDWPSO)算法-参数优化概率神经网络(PNN)的齿轮故障诊断方法。首先，利用DTCWT把状态已知的齿轮振动信号分解为不同频带的模态分量。其次，采用MESE得到每个分量的最小偏差频谱估计，计算出不同频段的能量熵作为故障特征矩阵。然后利用LDWPSO算法寻找出最优神经网络参数——平滑因子。最后，将故障特征矩阵输入优化后的PNN模型，建立起故障特征和齿轮运行状况之间的数值化映射关系，进而完成齿轮故障诊断模型。经试验数据分析表明，采用提出的DTCWT处理齿轮的振动信号，并引入MESE处理关键分量，可以提取稳定的信号特征并降低噪声干扰。另外，相比于传统的PNN,基于改进的PNN的齿轮故障状态的数值化判别具有更高的诊断精度和稳定性。

• 单位
  中国航空工业集团公司沈阳飞机设计研究所