| 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 |
|
