论文摘要
为了解决传统最大相关峭度反褶积（maximum correlated kurtosis deconvolution,MCKD）在故障诊断中容易出现因参数选择不当而影响诊断效果的问题,该文提出了一种基于量子遗传算法（quantum genetic algorithm,QGA）的自适应最大相关峭度反褶积方法（maximum correlated kurtosis deconvolution with quantum genetic algorithm,QMCKD）用于齿轮和轴承复合故障诊断。通过量子遗传算法自适应选择最大相关峭度反褶积的2个关键参数滤波器长度（L）和反褶积周期（T）。使用QMCKD处理原始振动信号,提取复合故障信号中的所有单个故障信号,分别对单个故障信号进行频谱分析从而识别故障特征。在对齿面磨损-滚动轴承外圈损伤复合故障诊断中,QMCKD能够识别齿轮故障频率及其2～4倍频,识别轴承故障频率及其2～6倍频,且主要频率成分周围干扰谱线很少,故障类型容易识别。与直接频谱分析和变分模态分解（variational mode decomposition,VMD）相比,该方法在诊断效果上具有优越性。在对齿根裂纹-轴承滚动体损伤复合故障诊断中,QMCKD能够突出齿轮故障频率及其2～5倍频,突出轴承故障频率及其2～8倍频,齿轮和轴承故障特征明显,验证了方法的稳定性。试验结果表明QMCKD能够有效识别复合故障中齿轮和轴承的故障特征,可用于齿轮箱的齿轮、轴承复合故障诊断。
论文目录
文章来源
类型: 期刊论文
作者: 吕轩,胡占齐,周海丽,王强
关键词: 齿轮,轴承,诊断,复合故障,最大相关峭度反褶积,量子遗传算法
来源: 农业工程学报 2019年12期
年度: 2019
分类: 农业科技,工程科技Ⅱ辑
专业: 机械工业
单位: 燕山大学机械工程学院,燕山大学自润滑关节轴承共性技术航空科技重点实验室
基金: 河北省军民融合项目(2018B100)
分类号: TH133.3
页码: 48-57
总页数: 10
文件大小: 1195K
下载量: 183