VMD-模平方阈值与PNN相结合的齿轮故障诊断

作者：张雪英; 刘秀丽; 栾忠权

来源：机械科学与技术, 2018, 37(12): 1895-1901.

DOI：10.13433/j.cnki.1003-8728.20180089

• 变分模态分解
• 模平方阈值
• 概率神经网络
• 齿轮
• 故障诊断

针对故障齿轮振动信号的非平稳和调制特性,提出了在变分模态分解(VMD)-模平方阈值降噪的基础上利用概率神经网络(PNN)进行齿轮故障诊断的方法。首先,利用VMD将原始振动信号分解为若干个本征模态函数分量,采用模平方阈值方法对各分量处理后并重构;然后,提取重构信号的峭度和均方根作为特征值组成特征向量;最后,将特征向量输入PNN实现故障类型识别。通过齿轮故障试验分析,将其与基于EMD-模平方阈值、LMD-模平方阈值和EEMD-模平方阈值的BP神经网络故障诊断方法相比较。结果表明,该方法能有效的提取特征信息,故障诊断准确率高达96.875%,证明了所提方法的可行性和有效性。

• 单位
  北京信息科技大学