科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对强噪声环境下,齿轮箱早期故障预警困难的问题,提出一种基于时滞反馈随机共振(TFSR)自适应噪声完备集合经验模态分解(CEEMDAN)的齿轮箱早期故障预警方法。首先通过TFSR的长记忆系统,根据历史信息增强反馈过程中的信号周期性,产生低通滤波下增强的故障特征信号;再结合CEEMDAN将增强后的故障特征信号自适应分解;并以信噪比为指标筛选IMF分量,得到的重构信号可以有效增强故障特征频率及其谐频,达到早期故障预警的目的。实验结果表明:通过信号发生器仿真分析,并以真实风机齿轮箱的数据,对比正常和磨损状态下的齿轮,检测出强噪声背景下齿轮箱的微弱局部磨损故障,有效提高故障特征频率处的信噪比,验证了齿轮箱早期故障预警的灵敏性。
- 单位
