基于自适应随机共振和稀疏编码收缩算法的齿轮故障诊断方法

被引：8

作者：

李继猛 ^{[1
]}

张金凤 ^{[1
]}

张云刚 ^{[1
]}

岳宁 ^{[2
]}

机构：

[1] 燕山大学

[2] 北京汉能华科技股份有限公司

来源：

中国机械工程 | 2016年 / 27卷 / 13期

基金：

中国博士后科学基金;

关键词：

随机共振; 相关峭度; 稀疏编码收缩; 冲击特征提取;

D O I：

暂无

中图分类号：

TH132.41 [齿轮及齿轮传动];

学科分类号：

080203 ;

摘要：

针对强背景噪声下齿轮故障冲击特征提取问题,提出了一种基于自适应随机共振和稀疏编码收缩算法的齿轮故障诊断方法。该方法选用相关峭度作为随机共振检测周期性冲击分量的测度函数,借助遗传算法实现信号中周期性冲击特征的自适应提取;在此基础上,利用稀疏编码收缩算法对随机共振检测结果做进一步降噪处理,从而凸显冲击特征,提高故障识别精度。试验和工程实例分析结果表明,该方法可实现齿轮故障冲击特征的增强提取,为齿轮故障诊断提供依据。

引用

页码：1796 / 1801+1809 +1809

页数：7

共 15 条

[1]

机械故障诊断中的现代信号处理方法.[M].褚福磊; 等著.科学出版社.2009,

[2]

Study on multi-frequency weak signal detection method based on stochastic resonance tuning by multi-scale noise.[J].Peiming Shi;Xuejuan Ding;Dongying Han.Measurement.2014, 1

[3]

Maximum correlated Kurtosis deconvolution and application on gear tooth chip fault detection.[J].Geoff L. McDonald;Qing Zhao;Ming J. Zuo.Mechanical Systems and Signal Processing.2012,

[4] Sparse code shrinkage:: Denoising of nongaussian data by maximum likelihood estimation [J].