基于声发射信号模式的齿轮特征识别研究

论文摘要

鉴于声发射信号对齿轮早期裂纹具有独特的敏感性,对早期齿轮声发射信号的特征识别具有重要意义。介绍小波变换理论及其原理,建立齿轮疲劳试验平台,利用小波阈值降噪对不同工况下齿轮声发射信号进行预处理,获取高能量频段的信号并提取时域、频域特征参数,将其作为BP神经网络的输入,以识别不同工况下的声发射信号。实验结果表明:与去噪后的全频段信号相比,基于高能量频段信号所提取的特征参数具有更高的识别率,为早期齿轮故障信号分析和检测提供借鉴。

论文目录

• 0 前言
• 1 小波变换基本理论
• 2 小波域阈值降噪理论及步骤
•   2.1 小波基的选择
•   2.2 最大分解层数J的确定
•   2.3 各层高频系数进行阈值量化
• 3 齿轮疲劳实验平台及实验分析
•   3.1 齿轮疲劳实验平台
•   3.2 实验流程分析
•     （1）信号放大处理
•     （2）信号预处理工作
•     （3）特征参数提取
•   3.3 齿轮故障声发信号识别对比
• 4 结论

文章来源

类型: 期刊论文

作者: 耿开贺,贺敬良,王康,陈勇

关键词: 声发射,早期检测,小波降噪,神经网络,模式识别

来源: 机床与液压 2019年16期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 北京信息科技大学机电学院,北京电动车辆协同创新中心

基金: 科技创新服务能力建设-科研基地建设-新能源汽车北京实验室(市级)(PXM2017_014224_000005_00249684_FCG)

分类号: TH132.41

页码: 192-196+208

总页数: 6

文件大小: 1033K

下载量: 115