基于ATF与EEMD变转速齿轮故障特征降噪方法

针对变转速下的齿轮故障特征的降噪问题，提出了一种基于自适应时变滤波(Adaptive Time-varying Filtering, ATF)与集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)的齿轮故障特征降噪方法。该方法首先用线调频小波路径追踪(Chirplet Path Pursuit，CPP)算法从变转速下的齿轮故障振动信号中估计出齿轮啮合频率，并依据该啮合频率设计时变滤波器；再利用该时变滤波器对齿轮故障振动信号进行滤波，将滤波器阻带内的噪声予以去除；然后采用EEMD方法对滤波后的信号进一步降噪，减少滤波器通带内的噪声干扰；接着利用时变滤波器对降噪后的信号再次进行滤波，消除EEMD降噪时在阻带带来的噪声干扰；最后对降噪后的信号进行阶次分析，提取齿轮故障特征。对齿轮局部故障的算法仿真和应用实例分析表明，该方法不仅可以消除阻带的噪声干扰，而且对通带内的噪声也有较好的抑制作用，可有效凸显齿轮的故障特征。

Denoising Method for Gear Fault Characteristic under Variable Rotation Speeds Based on ATF and EEMD