VMD和CICA在齿轮箱故障诊断中的应用

论文摘要

针对齿轮箱故障信号微弱且易受周围噪声影响的问题,提出了一种基于变分模态分解（variational mode decomposition, VMD）的约束独立分量分析（constrained independent component analysis, CICA）算法。利用单通道加速度传感器采集齿轮箱的混合故障信号,通过VMD算法将混合信号分解为多个不同的本征模态函数（intrinsic mode function, IMF）,然后依据峭度和互相关系数选取有效的IMF分量进行重构信号,对于重构信号利用CICA进行降噪处理,根据CICA降噪后得到齿轮和轴承的故障特征,对齿轮和轴承混合故障进行仿真及实验研究,结果表明,VMD-CICA算法可以很好地提取齿轮和轴承的故障特征频率,同时与经验模态分解-约束独立分量分析（EMD-CICA）和集成经验模态分解-约束独立分量分析（EEMD-CICA）算法相比得到的故障特征频率更明显。

论文目录

• 1 原理与方法
•   1.1 变分模态分解
•   1.2 基于互相关系数和峭度选取IMF分量
•     1) 互相关系数:
•     2) 峭度:
•   1.3 CICA算法的基本原理
• 2 VMD-CICA算法
• 3 实验分析
•   3.1 仿真数据实验
•   3.2 实验台介绍
•   3.3 实验验证
• 4 结 语

文章来源

类型: 期刊论文

作者: 吴鲁明,郝如江,何天远

关键词: 齿轮箱,故障诊断,变分模态分解,约束独立分量分析

来源: 中国科技论文 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 机械工业,自动化技术

单位: 石家庄铁道大学机械工程学院

基金: 国家自然科学基金资助项目(51375319),河北省自然科学基金资助项目(E2013210113)

分类号: TH132.41;TP277

页码: 1146-1153

总页数: 8

文件大小: 3299K

下载量: 73