基于双树复小波变换—最大熵谱估计和参数优化概率神经网络的齿轮箱故障诊断研究.pdfVIP

测控技术

·１０４·２０２３４２５装备无损检测与健康监测技术专刊（一）

年第卷第期

－

基于双树复小波变换最大熵谱估计和参数优化概率

神经网络的齿轮箱故障诊断研究



，，，

孙程阳李尧朱帅张喜双

（航空工业沈阳飞机设计研究所，辽宁沈阳１１００００）

摘要齿轮振动信号具有非平稳性和非线性的特点为了准确提取其故障特征并进行故障诊断提出一

：。，

（ＤＴＣＷＴ）－（ＭＥＳＥ）（ＬＤＷＰＳＯ）

种基于双树复小波变换最大熵谱估计和惯性权重线性递减粒子群优化

（）。，

算法－参数优化概率神经网络ＰＮＮ的齿轮故障诊断方法首先利用ＤＴＣＷＴ把状态已知的齿轮振

动信号分解为不同频带的模态分量其次采用得到每个分量的最小偏差频谱估计计算出不同

。，ＭＥＳＥ，

频段的能量熵作为故障特征矩阵然后利用算法寻找出最优神经网络参数———平滑因子

。ＬＤＷＰＳＯ。

最后，将故障特征矩阵输入优化后的ＰＮＮ模型，建立起故障特征和齿轮运行状况之间的数值化映射关

系，进而完成齿轮故障诊断模型。经试验数据分析表明，采用提出的ＤＴＣＷＴ处理齿轮的振动信号，并

引入处理关键分量，可以提取稳定的信号特征并降低噪声干扰。另外，相比于传统的，基于

ＭＥＳＥＰＮＮ

改进的的齿轮故障状态的数值化判别具有更高的诊断精度和稳定性。

ＰＮＮ

关键词双树复小波变换最大熵谱估计概率神经网络惯性权重线性递减粒子群优化故障诊断

：；；；；

中图分类号：；文献标志码：文章编号：（）

ＴＰ２７４Ｖ２４１Ａ１０００－８８２９２０２３０５－０１０４－０８

ｄｏｉ：１０．１９７０８／ｊ．ｃｋｊｓ．２０２３．０５．０１５

ＧｅａｒｂｏｘＦａｕｌｔＤｉａｇｎｏｓｉｓＢａｓｅｄｏｎＤｕａｌＴｒｅｅＣｏｍｐｌｅｘＷａｖｅｌｅｔ

ＴｒａｎｓｆｏｒｍＭａｘｉｍｕｍＥｎｔｒｏｐｙＳｐｅｃｔｒｕｍＥｓｔｉｍａｔｉｏｎａｎｄ

ＰａｒａｍｅｔｅｒＯｐｔｉｍｉｚａｔｉｏｎＰｒｏｂａｂｉｌｉｓｔｉｃＮｅｕｒａｌＮｅｔｗｏｒｋ



ＳＵＮＣｈｅｎｇｙａｎｇ牞ＬＩＹａｏ牞ＺＨＵＳｈｕａｉ牞ＺＨＡＮＧＸｉｓｈｕａｎｇ

牗ＡＶＩＣＳｈｅｎｙａｎｇＡｉｒｃｒａｆｔＤｅｓｉｇｎ＆ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ