| 基于EEMD与奇异熵增量谱的齿轮故障特征提取 |
| |
| 引用本文： | 杨望灿,张培林,吴定海,陈彦龙. 基于EEMD与奇异熵增量谱的齿轮故障特征提取[J]. 机械传动, 2014, 0(2): 141-146 |
| |
| 作者姓名： | 杨望灿 张培林 吴定海 陈彦龙 |
| |
| 作者单位： | 军械工程学院七系; |
| |
| 基金项目： | 国家自然科学基金项目(E51205405) |
| |
| 摘 要： | ![]()
针对齿轮振动信号非线性、非平稳的特点,提出一种基于集合经验模态分解(EEMD)与奇异熵增量谱的齿轮故障特征提取方法。首先,利用EEMD方法将齿轮振动信号分解为若干个平稳的本征模态函数(IMF)分量。EEMD方法利用正态分布白噪声的二进尺度分解特性,能够有效抑制经验模态分解(EMD)中的模态混叠现象。但由于背景噪声和残余辅助白噪声的影响,EEMD分解得到的IMF分量难以准确提取齿轮故障特征。利用奇异值分解(SVD)对IMF分量进行消噪和重构,根据奇异熵增量谱确定重构阶次,准确地提取齿轮的故障特征频率。仿真信号分析和齿轮箱齿轮故障实验验证了该方法的准确性和有效性。
|
| 关 键 词： | EEMD 模态混叠 奇异熵增量谱 齿轮故障 特征提取 |
Feature Extraction of Gear Fault based on EEMD and Incremental Spectrum of Singularity Entropy |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
