基于双谱的齿轮故障特征提取与识别.pdf

基于双谱的齿轮故障特征提取与识别! 郑海波 陈心昭 李志远 合肥工业大学动态测试中心 合肥 #$%’( 摘 要 在引入双谱 双相干谱和人工神经网络的基本理论之后 深入研究了汽车变速箱齿轮振动信号的双谱和 ) # 双相干谱特征以及频率间的耦合情况 形成故障特征向量 并利用 人工神经网络 成功地将齿轮正常信号 磨损 # # *+ # ) 信号和断齿信号进行了分类 研究表明 对于齿轮振动信号 双谱比双相干谱更利于故障特征提取 不同状态下的 , # # # 齿轮振动信号中均存在二次相位耦合现象 但是耦合的形式不同 同时也表明 基于双谱和人工神经网络的故障诊 # # # 断方法是有效的, 关键词 故障诊断 双谱 特征提取 人工神经网络 - . . . 中图分类号- 1234% /0 在机械故障诊断中 通常利用各种信号处理手 行诊断 取得很好的效果 和 # # , 4 4 K@RF9P5@GN R 段 对机械设备的振动信号进行处理 提取故障特征 提出两种基于 的机械故障诊断 # # 4 4 SO;5N T 0: CED 信息 以达到诊断机械设备故障的目的 其中功率谱 方法 第一种方法以整个双谱或三谱分析结果为 # , # 分析 二阶统计量 应用最为广泛 它给出信号不同 特征 输入神经网络 由于数据量太大 分类结果并 ( # # # # 频率成分下的能量分布情况 当机械设备产生故障 不满意 第二种方法只对随转速变化明显的三谱峰 # . 时 频谱能量分布情况通常有所改变 以此来诊断机 值特征进行分析 结果发现不同工况下的三谱峰值 # # # 械故障 然而 功率谱分析的一个最大缺陷是它不包 变化明显 可以实现故障诊断 文献 提出基于 , # # , CB#’D 含频率成分间的相位信息 通常也无法处理非最小 双谱的诊断策略分别对旋转机械和往复机械的故障 # 相位系统和非高斯信号 处理非最小相位系统和非 进行诊断 均取得成功 等人对周