为精确提取振动信号中表征齿轮故障类型与程度的敏感特征,提出一种基于移动多尺度重构的交互式能量熵(Moving Multi-scale Reconstruction Based Interactive Energy Entropy,MMR-IEE)齿轮故障诊断方法。通过移动均值重构获得齿轮振动...为精确提取振动信号中表征齿轮故障类型与程度的敏感特征,提出一种基于移动多尺度重构的交互式能量熵(Moving Multi-scale Reconstruction Based Interactive Energy Entropy,MMR-IEE)齿轮故障诊断方法。通过移动均值重构获得齿轮振动信号在不同尺度下重构信号,利用相邻数据点构成滑动窗口使振动信号的信息提取更加充分;计算不同尺度通道下的原始信号与重构信号能量分布,采用交互式叠加法获得的特征向量表征因故障而导致的振动信号能量突变。在此基础上,结合k最邻近(k-Nearest Neighbor,kNN)模式分类器,提出一种新的齿轮故障诊断方法,并将提出的方法应用于齿轮实验数据分析。结果表明,MMR-IEE方法有强故障特征提取能力,不同转速与不同工况下,齿轮故障诊断准确率达到99%。展开更多
文摘为精确提取振动信号中表征齿轮故障类型与程度的敏感特征,提出一种基于移动多尺度重构的交互式能量熵(Moving Multi-scale Reconstruction Based Interactive Energy Entropy,MMR-IEE)齿轮故障诊断方法。通过移动均值重构获得齿轮振动信号在不同尺度下重构信号,利用相邻数据点构成滑动窗口使振动信号的信息提取更加充分;计算不同尺度通道下的原始信号与重构信号能量分布,采用交互式叠加法获得的特征向量表征因故障而导致的振动信号能量突变。在此基础上,结合k最邻近(k-Nearest Neighbor,kNN)模式分类器,提出一种新的齿轮故障诊断方法,并将提出的方法应用于齿轮实验数据分析。结果表明,MMR-IEE方法有强故障特征提取能力,不同转速与不同工况下,齿轮故障诊断准确率达到99%。