基于POVMD和CAF的低转速齿轮箱故障诊断

作     者：李宏坤 侯梦凡 唐道龙 杨蕊 王朝阁 LI Hongkun;HOU Mengfan;TANG Daolong;YANG Rui;WANG Chaoge

作者机构：大连理工大学机械工程学院 

出 版 物：《振动．测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)

年 卷 期：2020年第40卷第1期

页      面：35-42,201页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 080203[工学-机械设计及理论] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(U1808214) 辽宁省科技重大资助项目(2019JH1/10100019) 

主　　题：变分模态分解 循环自相关函数 低转速 齿轮 故障诊断 

摘      要：针对低转速齿轮箱齿轮故障特征频率低、故障特征频率易被背景噪声淹没,使其难以准确提取的问题,提出了基于参数优化的变分模态分解(parameter optimization variational mode decomposition,简称POVMD)和循环自相关函数(cyclic autocorrelation function,简称CAF)结合的故障诊断方法。首先,通过POVMD对原始信号进行分解,选用余弦相似度度量选取敏感的本征模态函数(intrinsic mode function,简称IMF);其次,计算其循环自相关函数谱,获得包含调制特征的循环自相关函数谱切片;最后,使用Teager能量算子(Teager energy operator,简称TEO)算法对切片解调,提取故障特征频率。同时将本方法与相关方法进行了对比分析,特征频率提取效果更加显著,仿真信号和实验数据分析验证了该方法的有效性和可靠性。