《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于CSAEMD-KECA和角结构距离的齿轮故障识别方法

作者：高庆云,郭力,陈长华. 日期：2023-03-23/span> 浏览：1492 查看PDF文档

基于CSAEMDKECA和角结构距离的

齿轮故障识别方法*

高庆云1,郭力2,陈长华3

(1.杭州职业技术学院,浙江杭州 310018;2.重庆交通大学机电与车辆工程学院,

重庆 400074;3.重庆长江轴承股份有限公司,重庆 401336)

摘要:作为机械传动系统中的重要部件,齿轮经常运行在变转速变载荷工况下,直接采集到的齿轮故障信号(原始信号)往往存在强背景噪声。由于其原始信号中存在噪声信号,干扰了齿轮故障模式识别,且传统故障识别方法准确率较低,针对这一问题,提出了一种基于CSAEMDKECA和角结构距离的齿轮故障识别方法。首先,使用互补正弦辅助经验模式分解(CSAEMD)方法对齿轮故障信号进行了分解重构,以去除信号中的噪声成分;然后,利用核熵成分分析(KECA)方法对CSAEMD分解重构后的信号进行了特征提取,选取了对样本(CSAEMD分解重构后的信号)瑞丽熵贡献值较大的3个特征向量,并将其作为投影向量,样本数据向投影向量投影形成了特征数据集;最后,搭建了故障模拟实验台,对上述方法的可行性进行了验证,采用角结构距离的聚类方法对特征数据集进行了聚类分析。研究结果表明:利用实验台数据进行的有效实验,能够准确地识别出齿轮的各种故障,其聚类准确率达到98.3%;该结果可验证基于CSAEMDKECA和角结构距离的方法在齿轮故障识别上的有效性。

关键词:机械传动系统;齿轮故障诊断;互补正弦辅助经验模式分解;核熵成分分析;聚类分析;信号分解重构;信号特征提取

中图分类号:TH132.41文献标识码:A文章编号:1001-4551(2023)01-0011-12

本文引用格式:

高庆云,郭力,陈长华.基于CSAEMD-KECA和角结构距离的齿轮故障识别方法［J］.机电工程,2023,40(1):11-22.

GAO Qing-yun, GUO Li, CHEN Chang-hua. Gear fault identification method based on CSAEMD-KECA and angular structure distance［J］.Journal of Mechanical & Electrical Engineering, 2023,40(1):11-22.