改进局部均值分解的齿轮箱复合故障特征提取

论文摘要

在强噪声环境下,针对局部均值分解（Local Mean Decomposition,LMD）出现的模态混叠现象,提出了总体局部均值分解方法（Ensemble Local Mean Decomposition,ELMD）,但ELMD中所添加的白噪声不能完全被中和,这会导致PF分量受到所加白噪声的影响,导致重构误差增大。因此,提出基于PE-CELMD（Permutation Entropy-Complementary Ensemble Local Mean Decomposition）的齿轮箱复合故障诊断方法,该思路是在ELMD的基础上通过添加成对白噪声再结合排列熵（PermutationEntropy,PE）的方法优化LMD。将该方法应用于仿真信号和实测信号,并通过与LMD、CELMD对比,结果表明,PE-CELMD方法是一种有效的复合故障特征提取方法。

论文目录

• 0 引言
• 1 基本理论
•   1.1 排列熵
•   1.2 PE-CELMD齿轮箱复合故障诊断方法
• 2 仿真分析
• 3 试验分析
• 4 结论

文章来源

类型: 期刊论文

作者: 柴慧理,叶美桃

关键词: 局部均值分解,排列熵,复合故障

来源: 机械传动 2019年08期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 山西交通职业技术学院车辆工程系

基金: 国家自然科学基金(59975064),山西省基础研究项目(2015011063)

分类号: TH132.41

DOI: 10.16578/j.issn.1004.2539.2019.08.024

页码: 130-134

总页数: 5

文件大小: 4953K

下载量: 163