最大重叠离散小波包变换边际谱特征在齿轮故障诊断中的应用

作者：陈保家; 黄伟; 李立军^*; 肖文荣; 陈法法; 肖能齐

来源：西安交通大学学报, 2020, 54(02): 35-42.

• 齿轮故障诊断
• 经验模式分解
• 希尔伯特边际谱
• 支持向量机
• 粒子群算法

针对齿轮故障振动信号多分量频带重叠引发的故障模式混淆问题,提出一种基于最大重叠离散小波包变换(MODWPT)边际谱特征和粒子群优化-支持向量机(PSO-SVM)的故障诊断方法。为了减少谐波及噪声对故障模式分量分离的干扰,首先利用MODWPT将采集到的实验信号进行5层分解,得到32个分量,通过频带能量占优方法,筛选出前16个分量,用来构造信号的希尔伯特边际谱;然后,将提取的边际谱特征代入PSO参数优化后的SVM,对故障类型进行识别。仿真信号分析结果表明,MODWPT边际谱在抗模式混叠、抗边界效应和频率提取准确性方面都要优于EMD方法。通过对6种不同类型的齿轮故障信号进行分析,MODWPT边际谱归一化特征具有明显的故障类型分层现象,对齿轮故障的识别准确率达到98%,说明该方法具有较强的故障诊断能力。

• 单位
  三峡大学