自适应最大相关峭度反褶积方法诊断齿轮轴承复合故障.pdfVIP

第 35 卷 第 12 期 农 业 工 程 学 报 Vol.35 No.12 48 2019 年 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2019 自适应最大相关峭度反褶积方法诊断齿轮轴承复合故障 ※ 吕 轩，胡占齐 ，周海丽，王 强 （1. 燕山大学机械工程学院，秦皇岛 066004 ；2. 燕山大学自润滑关节轴承共性技术航空科技重点实验室，秦皇岛 066004 ） 摘 要：为了解决传统最大相关峭度反褶积(maximum correlated kurtosis deconvolution ，MCKD)在故障诊断中容易出现因 参数选择不当而影响诊断效果的问题，该文提出了一种基于量子遗传算法(quantum genetic algorithm，QGA) 的自适应最大 相关峭度反褶积方法(maximum correlated kurtosis deconvolution with quantum genetic algorithm，QMCKD)用于齿轮和轴承 复合故障诊断。通过量子遗传算法自适应选择最大相关峭度反褶积的 2 个关键参数滤波器长度(L)和反褶积周期(T) 。使用 QMCKD 处理原始振动信号，提取复合故障信号中的所有单个故障信号，分别对单个故障信号进行频谱分析从而识别故 障特征。在对齿面磨损-滚动轴承外圈损伤复合故障诊断中，QMCKD 能够识别齿轮故障频率及其 2～4 倍频，识别轴承 故障频率及其 2～6 倍频，且主要频率成分周围干扰谱线很少，故障类型容易识别。与直接频谱分析和变分模态分解 (variational mode decomposition，VMD)相比，该方法在诊断效果上具有优越性。在对齿根裂纹-轴承滚动体损伤复合故障 诊断中，QMCKD 能够突出齿轮故障频率及其 2～5 倍频，突出轴承故障频率及其 2～8 倍频，齿轮和轴承故障特征明显， 验证了方法的稳定性。试验结果表明 QMCKD 能够有效识别复合故障中齿轮和轴承的故障特征，可用于齿轮箱的齿轮、 轴承复合故障诊断。 关键词：齿轮；轴承；诊断；复合故障；最大相关峭度反褶积；量子遗传算法 doi ：10.11975/j.issn.1002-6819.2019.12.006 中图分类号：TH165+.3 ；TH17 文献标志码：A 文章编号：1002-6819(2019)-12-0048-10 吕 轩，胡占齐，周海丽，王 强. 自适应最大相关峭度反褶积方法诊断齿轮轴承复合故障[J]. 农业工程学报，2019， 35(12)：48－57. doi ：10.11975/j.issn.1002-6819.2019.12.006 Lü Xuan, Hu Zhanqi, Zhou Haili, Wang Qiang. Compound fault diagnosis method for gear bearing based on adaptive maximum correlated kurtosis deconvolution[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(12): 48 － 57. (in Chinese with English abstract) doi ： 10.11975/j.issn.1002-6819.2019.12.006  EEMD)[9] ，变分模态分解(variational mode decomposition， 0 引