典型文献
基于MEWT‑ASCS的行星齿轮箱微弱故障特征提取
文献摘要：
针对强噪声背景下行星齿轮箱早期微弱故障难以提取以及经验小波变换对信号频率区间边界划分不恰当以及不能有效确定模态数目的问题,提出了一种基于改进经验小波变换(modified empirical wavelet transform,简称MEWT)和自适应稀疏编码收缩(adaptive sparse coding shrinkage,简称ASCS)的早期微弱故障特征提取方法.根据信号频谱的尺度空间表示,将原始故障信号自适应地分解为一系列的窄频带本征模态分量.利用包络谱峭度(envelope spectrum kurtosis,简称ESK)值选择敏感分量,为了进一步凸显分量中的故障信息,使用ASCS算法对敏感分量进行稀疏降噪处理,从其包络谱中即可提取到清晰的故障特征频率成分.数值仿真和实际数据分析结果表明,本研究方法能够自适应地实现故障信号的模态分解并增强微弱的故障冲击特征.此外,与经验小波变换(empirical wavelet transform,简称EWT),EWT-ASCS和ASCS进行对比,本研究方法可有效提取包含故障信息丰富的分量,经ASCS处理后信号故障特征得到凸显,实现了行星齿轮箱早期微弱故障的准确识别.
文献关键词：
行星齿轮箱;早期故障诊断;特征提取;自适应频谱划分;经验小波变换;稀疏编码收缩去噪
中图分类号：
作者姓名：
胡少梁;李宏坤;王朝阁;胡瑞杰
作者机构：
大连理工大学机械工程学院 大连,116024;上海海事大学物流工程学院 上海,201306
文献出处：
引用格式：
[1]胡少梁;李宏坤;王朝阁;胡瑞杰-.基于MEWT‑ASCS的行星齿轮箱微弱故障特征提取)[J].振动、测试与诊断,2022(03):474-482
A类：
MEWT,ASCS,自适应频谱划分,稀疏编码收缩去噪
B类：
行星齿轮箱,故障特征提取,强噪声,早期微弱故障,频率区间,定模,改进经验小波变换,modified,empirical,wavelet,transform,adaptive,sparse,coding,shrinkage,信号频谱,尺度空间表示,故障信号,频带,本征模态分量,包络谱峭度,envelope,spectrum,kurtosis,ESK,故障信息,降噪处理,取到,故障特征频率,实际数据,模态分解,有效提取,征得,准确识别,早期故障诊断
AB值：
0.236121
相似文献
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。
