典型文献
基于滑移辛几何模态分解的行星齿轮箱故障诊断研究
文献摘要：
针对辛几何模态分解方法在分解复杂信号时的特征提取能力不足问题,提出了一种基于滑移辛几何模态分解(SSGMD)的故障诊断方法.首先,通过加窗的方式构造了滑移矩阵,以代替轨迹矩阵,增强了周期性特征提取能力;其次,对滑移矩阵进行了辛几何相似变换,获得了其特征值,将特征值所对应的特征向量经过重构,得到了其初始单分量矩阵;然后,对初始单分量矩阵做对角平均化,得到了一系列初始辛几何分量;最后,对这一系列初始辛几何分量进行拼接重组,得到了滑移辛几何分量(SSGCs),进而完成了对信号的自适应分解.研究结果表明:通过对仿真信号和行星齿轮箱实测信号进行实验分析,可知SSGMD利用滑移矩阵和辛几何相似变换不仅可以保护原始信号结构化信息不变,而且能充分提取原始信号的状态信息;与经典的信号分解方法相比,SSGMD方法能有效地对多分量信号进行分解,具有优越的特征提取能力.
文献关键词：
行星齿轮箱;复杂信号分解;滑移辛几何模态分解;特征提取能力;信号自适应分解;滑移矩阵
中图分类号：
作者姓名：
李茜;陈晓;王军龙;刘慧玲
作者机构：
山西工程职业学院 汽车与轨道交通工程系,山西 太原030009;郑州工程技术学院机电与车辆工程学院,河南 郑州450044;河南科技大学 机电工程学院,河南 洛阳471003;东莞市星火齿轮有限公司,广东 东莞523723
文献出处：
引用格式：
[1]李茜;陈晓;王军龙;刘慧玲-.基于滑移辛几何模态分解的行星齿轮箱故障诊断研究)[J].机电工程,2022(04):427-434,443
A类：
滑移辛几何模态分解,SSGMD,滑移矩阵,辛几何分量,SSGCs,复杂信号分解
B类：
行星齿轮箱,齿轮箱故障诊断,诊断研究,分解方法,特征提取能力,不足问题,故障诊断方法,加窗,相似变换,特征向量,对角,平均化,拼接,实测信号,矩阵和,结构化信息,分提,状态信息,多分量,信号自适应分解
AB值：
0.148841
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
