基于DEMD局部时频熵和SVM的风电齿轮箱故障诊断方法研究

为了有效地从非线性、非平稳性的风电齿轮箱故障信号中提取有用的信息成分,将微分经验模式分解、局部时频熵和支持向量机相结合,提出了一种微分经验模式分解局部时频熵和支持向量机的风电齿轮箱故障诊断方法。采用自适应多尺度的数学形态学对故障信号进行滤波;将滤波后的信号进行微分经验模式分解,获得齿轮振动信号的若干IMF分量;把每一个IMF进行分块,计算每一块的局部时频熵值;把局部时频熵值作为支持向量机的输入参数,通过支持向量机进行故障识别与诊断。实验结果表明,基于微分经验模式分解局部时频熵和支持向量机相结合的方法能够对风电齿轮箱故障信号进行准确有效地识别分类。     

局部裂纹故障行星传动系统固有特性分析

建立2K—H行星传动纯扭转模型;运用韦伯法计算正常、太阳轮局部裂纹故障和行星轮局部裂纹故障的内外啮合刚度;对正常模型和裂纹故障模型进行固有特性分析,通过对比发现太阳轮故障对2、3、5阶固有频率影响较大,行星轮故障对2、3、6阶固有频率影响较大,且行星传动系统在裂纹故障影响下不存在振动模式划分规律。为行星轮系动力学分析奠定基础,对行星传动系统设计和故障齿轮系统进行诊断有重要的价值。