集成TEO解调和随机共振的行星齿轮箱早期故障诊断方法.docxVIP

集成TEO解调和随机共振的行星齿轮箱早期故障诊断方法 行星齿轮传动因其具有体积小、传动比大和承载能力强等优点，在各类工业机械中得到广泛应用。在某些重要领域行星齿轮箱一旦发生故障将引起极其严重的后果，因此开展行星齿轮箱的故障诊断并探索高效的故障诊断方法势在必行。 对振动信号包含的故障信息进行提取是齿轮箱故障诊断的有效方法。齿轮早期故障信号往往非常微弱，容易被噪声淹没，因此常规的信号处理方法在提取齿轮微弱故障信号时失效。针对齿轮箱微弱故障信号提取问题，众多学者进行了有益的探索。胥永刚等利用复小波结合形态分量分析对信号进行降噪重构获得故障信息;孙海亮等采用多小波阈值降噪方法对轧机齿轮箱故障特征进行了提取。W ang等采用集合经验模式分解（EEMD）实现了风电齿轮箱轴承故障信号的分离提取;Cheng等结合EEMD和熵特征融合进行了行星齿轮箱故障信息的提取;采用类似方法的研究还有文献[6-7]。孟玲霞等运用盲源分离技术对风电齿轮箱的齿轮磨损进行了预报;Li等使用盲源分离技术对船用齿轮箱进行了故障诊断。需要指出的是，上述的小波分析与EEMD等方法均是通过对信号进行振动模式的分解以获得故障所引起的振动分量。但是，当故障信号所具有的能量极小而噪声占据主导时，信号分解的结果将出现明显的模态混叠现象，单独使用这类方法不易实现故障信号的有效提取。而盲分析技术存在欠定以及对非平稳信号分离困