基于顺序形态滤波与奇异熵的齿轮故障特征提取方法

Gear fault feature extraction by using rank-order morphological iltering and singularity entropy

结合顺序形态滤波与奇异值分解,提出一种新的齿轮故障特征提取方法。首先引入循环统计学的思想对传统形态滤波方法进行改进,定义了顺序形态滤波器,并结合实际选用最简单的直线结构元素,对实测齿轮振动信号进行顺序形态滤波降噪预处理;然后定义了奇异熵并作为齿轮故障的特征值进行提取,包括齿轮正常、齿面轻度磨损、齿面中度磨损和断齿等四种工况的振动信号;最后依据不同的故障对应不同的奇异熵分布,对各种故障状态进行分类。齿轮故障识别的实例验证了该方法的可行性和有效性。