双树复小波域MCA降噪在齿轮故障诊断中的应用.docVIP

PAGE 6 航 空 动 力 学 报 第 卷 航空动力学报 第 卷 第 期 航 空 动 力 学 报 Vol. No. 年 月 Journal of Aerospace Power Nov. 收稿日期：2014-05-26 修订日期： 基金项目：国家自然科学基金；北京市教委科研计划项目（KM201310005013）；北京市属高等学校青年拔尖人才培育计划；先进制造技术北京市重点实验室开放基金；北京工业大学基础研究基金。 作者简介：胥永刚（1975—），男，河北定州人，副教授，博士，主要从事机械故障诊断、现代信号处理方法研究。 文章编号双树复小波域MCA降噪在齿轮故障诊断中的应用 胥永刚，赵国亮，马朝永，侯少飞 （北京工业大学 机械工程与应用电子技术学院 先进制造技术北京市重点试验室，北京 100124） 摘 要：双树复小波在处理齿轮箱早期故障等具有非线性、非平稳特性的信号时比传统小波方法具有更好的效果，但是，处理后的信号往往依然包含强烈的干扰噪声，而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果。针对该问题，提出了基于形态分量分析（MCA）的双树复小波降噪方法。首先，对强背景噪声故障信号进行双树复小波变换，得到不同层的小波变换系数；然后，选取小波系数周期性较为明显层的小波系数进行MCA降噪；最后，将降噪后的系数进行单支重构后便可获得故障特征信号，对降噪信号进行包络分析便可以确定信号的故障特征频率。仿真分析与工程应用结果表明：该方法能够在有效去除信号中的强背景噪声的同时保留微弱故障信息，提供了一种故障诊断新方法。 关 键 词：双树复小波变换；形态分量分析（MCA）；降噪；齿轮；故障诊断 中图分类号：V231.92; TH133.3; TH165 文献标志码：A Denoising method based on dual-tree complex wavelet transform and MCA and its application in gear fault diagnosis XU Yong-gang，ZHAO Guo-liang，MA Chao-yong，HOU Shao-fei (Key Laboratory of Advanced Manufacturing Technology of Beijing, College of Mechanical Engineering and Applied Electronics Technology, Beijing University of Technology, Beijing 100124, China) Abstract: Dual-tree complex wavelet transform (DT-CWT) has advantages over the conventional DWT in gearbox incipient failure signal processing which is always nonlinear and non-stationary. But strong noise is always remaining in the processed signal, which results difficulty in fault feature extraction for the conventional denoising method does not always performs well, such as threshold based method. Thus, a new method based on DT-CWT and morphological component analysis (MCA) is proposed. In the processing, the signal was firstly processed by DT-CWT to gain the coefficients of different layer. Secondly, MCA was employed to denoise