应用时频图像纹理特征的行星齿轮故障诊断 |
| |
引用本文: | 崔宝珍,王斌,任川,彭智慧,王浩楠,王泽兵.应用时频图像纹理特征的行星齿轮故障诊断[J].振动.测试与诊断,2022,42(6):1141-1146. |
| |
作者姓名: | 崔宝珍 王斌 任川 彭智慧 王浩楠 王泽兵 |
| |
作者单位: | (1.中北大学机械工程学院 太原,030051 |
| |
基金项目: | 国家自然科学基金资助项目(51175480);山西省重点研发计划(国际合作)资助项目(201903D421008);中北大学先进制造技术山西省重点实验室开放基金资助项目(XJZZ202007) |
| |
摘 要: | 行星齿轮箱结构复杂,当发生故障时其振动信号呈非线性非平稳特点且故障信号微弱,为了能够准确提取行星齿轮磨损故障信息的特征,提出局部均值分解(local mean decomposition,简称LMD)结合S变换(LMD?S)的信号处理方法,且转化为时频分布图像,应用时频图像纹理特征进行行星齿轮故障诊断。首先,把振动信号经由LMD?S变换处理后利用相关分析方法滤除干扰且转化为时频分布图像;其次,利用非均匀局部二值模式(local binary patterns,简称LBP)提取不同工况下采集数据的图像纹理特征;最后,采用极限学习机识别出3种故障类型,故障识别准确率达到90%,证明了此方法的有效性。
|
关 键 词: | 行星齿轮 模式识别 故障诊断 局部均值分解?S变换 时频图像纹理特征 |
收稿时间: | 2020/6/25 0:00:00 |
修稿时间: | 2020/11/28 0:00:00 |
|
| 点击此处可从《振动.测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动.测试与诊断》下载全文 |
|