AOA-CEEMDAN和融合特征在齿轮箱故障诊断中的应用

作者：马卫东; 刘子全; 姚楠; 朱雪琼

来源：机电工程, 2023, 1-12.

• 齿轮箱
• 本征模态函数
• 算术优化算法
• 自适应噪声完备集成经验模态分解
• 随机森林

自适应噪声完备集成经验模态分解(CEEMDAN)的参数由于是人为设置的，从而会导致其信号的分解不彻底。针对这一问题，提出了一种基于算术优化算法(AOA)优化CEEMDAN、融合特征和随机森林(RF)的齿轮箱故障诊断方法。首先，采用AOA算法对CEEMDAN方法的关键参数进行自适应选取，并采用优化后的CEEMDAN方法对齿轮箱振动信号进行了分解，生成若干个本征模态函数(IMF)；随后，利用相关系数准则选择了前4阶IMF分量作为故障敏感分量；接着，利用由注意熵和散度熵组成的融合特征提取方法挖掘了故障敏感分量的故障特征，得到了故障敏感特征样本；最后，将表征齿轮箱故障特性的故障特征输入至RF多故障分类器中，建立了故障分类模型，完成了齿轮箱的故障识别；利用QPZZ-II型齿轮箱数据集进行了实验，并将其结果与采用其他方法所得结果进行了对比。研究结果表明：相较于原始CEEMDAN，优化后的CEEMDAN能够更加准确地分解非线性齿轮箱振动信号，故障识别准确率提高了4%；相较于单一的故障特征，融合特征能够更加准确地表征齿轮箱的故障状态，故障识别准确率分别提高了3.2%和8%。基于AOA-CEEMDAN和融合特征提取以及RF分类器的故障诊断方法为齿轮箱的故障特征提取和故障诊断提供一种可行的思路和方案。

• 单位
  电子工程学院; 西北师范大学