基于EEMD和Choi-Williams分布的齿轮故障诊断
Gear Fault Diagnosis based on EEMD and Choi-Williams Distribution作者机构:河南理工大学机械与动力工程学院河南焦作454000
出 版 物:《机械传动》 (Journal of Mechanical Transmission)
年 卷 期:2019年第43卷第4期
页 面:120-124,164页
学科分类:08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金:国家自然科学基金(U1604140) 河南省重大科技专项(171100210300-03) 河南省科技攻关项目(172102210021) 河南理工大学博士基金(B2017-28)
主 题:齿轮 故障诊断 EEMD Choi-Williams分布
摘 要:针对齿轮箱齿轮故障特征提取过程中,经验模态分解(EMD)存在模态混叠、固有模态函数(IMF)筛分困难以及Wigner-Ville分布(WVD)存在交叉干扰项的问题,提出一种集合经验模态分解(EEMD)和Choi-Williams分布(CWD)相结合的齿轮故障诊断方法。首先,将采集到的齿轮故障信号进行EEMD分解,分解为多个单分量固有模态函数(IMF)的组合;然后,通过相关系数和香农熵准则去除虚假分量并筛选IMF;最后,将筛选出的IMF分量进行CWD表达,结合时频域表现出的频率与等时冲击特性,识别出齿轮故障特征。通过齿轮故障仿真和实验分析,验证了该方法在齿轮箱齿轮故障诊断中的适用性和有效性。