基于改进小波去噪预处理和EEMD的采煤机齿轮箱-中南大学学报.PDFVIP

第 47 卷第 10 期 中南大学学报( 自然科学版) Vol.47 No.10 2016 年 10 月 Journal of Central South University (Science and Technology) Oct. 2016 DOI: 10.11817/j.issn.1672-7207.2016.10.016 基于改进小波去噪预处理和EEMD 的 采煤机齿轮箱故障诊断 李力1, 2, 3，倪松松1 (1. 中南大学 机电工程学院，湖南 长沙，410083； 2. 高性能复杂制造国家重点实验室，湖南 长沙，410083； 3. 深海矿产资源开发利用技术国家重点实验室，湖南 长沙，410012) 摘要：针对采煤现场强噪声背景下采煤机齿轮箱振动信号集合经验模态分解(EEMD)故障特征不明显和分解效率 较低的问题，提出基于改进小波去噪预处理和 EEMD 的故障诊断方法。采用小波改进阈值函数法对振动信号进行 去噪预处理，与传统小波阈值函数法相比能够有效地提高信号的信噪比。对去噪后的信号进行 EEMD 分解得到若 干个本征模态分量(IMF)，计算各 IMF 分量的相关度并剔除虚假分量。将该方法应用于采煤机齿轮箱行星轮的故 障诊断，通过对真实的 IMF 分量进行频谱分析并提取信号的故障特征频率，与未去噪的信号进行对比。研究结果 表明：该方法能够突出故障特征频率，使分解效率提高 17.35%，并能进一步减小模态混叠现象。 关键词：采煤机齿轮箱；故障特征；分解效率；改进小波去噪；集合经验模态分解；行星轮；模态混叠 中图分类号：TH165+ .3；TD421 文献标志码：A 文章编号：1672−7207(2016)10−3394−07 Shearer gearbox fault diagnosis based on improved wavelet denoising pretreatment and EEMD LI Li1, 2, NI Songsong1 (1. School of Mechanical and Electrical Engineering, Central South University, Changsha 410083, China; 2. State Key Laboratory of High Performance Complex Manufacturing, Changsha 410083, China; 3. State Key Laboratory of Deep Sea Mineral Resources Development and Utilization Technology, Changsha 410012, China) Abstract: In strong noise background of the coal mining, the fault features of shearer gearbox vibration signal ensemble empirical mode decomposition(EEMD) was not obvious, and the decomposition was inefficient, for which a method based on the improved wavelet denoi