基于EMD降噪的递归图分析方法在齿轮故障诊断中的应用.pdfVIP

年 月 机床与液压 第 卷 第 期 基于降噪的递归图分析方法在齿轮故障诊断中的应用 蒲晓川 肖涵 武汉科技大学机械自动化学院冶金装备及其控制教育部重点实验室 湖北武汉 摘要 为从齿轮振动信号中提取包含故障信息的特征量 提出了一种基于经验模态分解 降噪的递归图分析方 法 该方法用 方法将振动信号分解为有限个固有模式函数 分量 选取包含故障信息的 分量建立递归图 从递归图中提取特征向量 运用高斯混合模型进行模式识别 将该方法运用于故障齿轮振动信号的识别 结果表明该方法 具有较高的识别率 对齿轮故障能够有效地进行分类与诊断 关键词 经验模态分解 固有模式函数 递归图 特征提取 高斯混合模型 故障诊断 中图分类号 文献标志码 文章编号 前言 的情况下容易造成误判 信号的非平稳性和采样不 故障诊断实际上就是一个模式识别的过程 大 足也会制约这些方法的应用 递归图是一种基于相 致可以分成 个部分 数据采集 数据预处理 特征 空间重构的方法 能够反映动力学系统中的相空间 提取和分类识别 由于在数据采集过程中机器运转 行为 是一种主流形描述方法 在医学 气象 金融 和周围环境的噪声不可避免 一般在预处理中进行 等领域广泛运用 递归图能反映时间序列的复杂 信号的降噪 大量研究表明齿轮信号具有非线性及 性与可预测性 吕勇等人 将该方法引入故障信号 非平稳性特征 目前针对非线性信号的降噪方法有 复杂度的研究中 但并没有用于模式识别 从递归图 短时傅里叶变换 小波分析 滤波 形态学 的分析中发现递归点的分布反映了时间序列的变化 规律 基于递归点的统计寻求特征向量 并结合高斯 分析和降噪等 短时傅里叶变换适合缓变 信号分析 分布会产生交叉干扰 小波分析 混合模型用于模式识别 有自适应缺陷 形态学分析需要依靠本身特征