基于双树复小波包及SVM的齿轮故障诊断

齿轮是卫星传动与控制系统的重要组成部件,其故障诊断的效果在一定程度上反映了卫星系统在役考核中的可靠性情况.针对齿轮故障诊断特征提取难、故障识别率较低的问题,提出了一种集合双树复小波包分解、主成分分析及支持向量机的齿轮故障诊断方法.利用双树复小波包变换将原始信号分解为3层,得到8个子信号.再分别以信号时域指标、频域指标、时频域结合指标为特征对子信号进行特征提取.利用主成分分析对特征向量进行降维,将降维后的数据输入到支持向量机中进行故障诊断.研究结果表明,利用频域指标对齿轮振动信号进行特征提取的效果最佳,并且方法的故障总识别率达到100%,高于以往采用的结合经验模态分解及支持向量机的方法,为卫星齿轮故障进行快速准确识别提供了有效的技术手段.

基于SVD和双树复小波包的低速设备故障诊断

在对低速重载设备进行故障诊断时,一般要采集较长的信号,而利用奇异值分解降噪时能处理的信号长度是有限的,针对这一问题,该文提出了一种融合双树复小波包和奇异值分解的低速重载设备故障诊断方法。首先,利用双树复小波包分解振动信号,得到若干个不同频带的小波包系数,选择包括故障信息最丰富的频带进行奇异值分解,根据奇异值最大突变点来确定奇异值重构个数。其次,对其进行SVD重构,再进行双树复小波重构。最后,利用希尔伯特变换得到准确的故障频率。工程应用表明,该方法可以有效地提取故障特征频率,实现对低速重载设备进行故障诊断的功能。