典型文献
基于收敛趋势变分模式分解的齿轮箱故障诊断方法
文献摘要：
从中心频率的角度出发,深入分析变分模式分解算法中不同初始中心频率的分解特性;利用分解特性对变分模式分解中使用的初始中心频率进行合理更新,在没有先验知识的情况下自适应分解信号的整个分析频带;根据峭度准则,从分解的子信号中选取包含故障信息最丰富的故障分量;对选出的最佳故障分量进行平衡参数优化和稀疏编码收缩处理,并进行包络分析;基于变分模式分解的特性,构建一套完整的基于收敛趋势变分模式分解的齿轮箱故障诊断方法,并应用诊断方法于汽车变速器齿轮箱中齿轮早期局部损伤故障识别和齿轮接触疲劳试验机中齿轮箱故障诊断.研究结果表明:在变分模式分解算法中存在着收敛趋势现象,随着初始中心频率的逐渐增大,所提取模式的收敛中心频率与其相对应的初始中心频率具有特定的收敛关系;提出的方法无需参数先验知识,可自适应地将振动信号进行分解;试验1中提出的方法分解得到的故障分量峭度为3.056,优化处理后故障分量的峭度为24.812,传统的2种初始化中心频率变分模式分解方法的故障分量最大峭度分别为2.830和2.421,快速谱峭度分析方法未能提取出故障分量;试验2中诊断方法分解得到的故障分量峭度为3.467,优化处理后故障分量的峭度为19.780,传统的2种初始化中心频率变分模式分解方法的故障分量最大峭度分别为3.231和3.361,快速谱峭度分析方法未能提取出故障分量;提出的方法能够增强瞬态特征和故障特征频率,在齿轮箱故障诊断方面更具准确性和优越性.
文献关键词：
齿轮箱;故障诊断;变分模式分解;中心频率;收敛趋势;稀疏编码收缩
中图分类号：
作者姓名：
江星星;宋秋昱;朱忠奎;黄伟国;刘颉
作者机构：
苏州大学 轨道交通学院,江苏 苏州 215131;山东交通学院 运输车辆检测、诊断与维修技术交通行业重点实验室,山东 济南 250357;华中科技大学 土木与水利工程学院,湖北 武汉 430074
文献出处：
引用格式：
[1]江星星;宋秋昱;朱忠奎;黄伟国;刘颉-.基于收敛趋势变分模式分解的齿轮箱故障诊断方法)[J].交通运输工程学报,2022(01):177-189
A类：
B类：
收敛趋势,变分模式分解,齿轮箱故障诊断,故障诊断方法,中心频率,分解特性,先验知识,下自,频带,峭度准则,故障信息,故障分量,平衡参数,稀疏编码收缩,行包,包络分析,汽车变速器,中齿,故障识别,齿轮接触疲劳,疲劳试验机,提取模式,振动信号,优化处理,初始化,分解方法,快速谱峭度,瞬态特征,故障特征频率
AB值：
0.192001
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
