基于SSA-VMD和1.5维包络谱的齿轮箱磨损故障诊断的研究

针对强噪声背景下行星齿轮箱特征提取困难的问题,提出一种基于樽海鞘群算法优化变分模态分解(SSA-VMD)结合1.5维包络谱的故障诊断方法。该方法首先运用樽海鞘群算法(SSA)优化变分模态分解(VMD)的参数;然后运用自相关系数对分解信号进行重构,降低噪声的干扰;最后运用1.5维包络谱对重构信号进行故障的特征提取。在实验部分,首先通过仿真试验将SSA-VMD与变分模态分解(VMD)进行对比,验证了SSA-VMD的优越性;然后搭建行星齿轮箱磨损故障全生命周期实验台采集振动信号,运用SSA-VMD结合1.5维包络谱的方法提取出了振动信号的故障特征频率,总结了行星齿轮箱磨损故障演化规律。研究结果表明:随着磨损故障程度的加深,故障特征频率出现次数明显增多,凭借这一规律,有利于实现对行星齿轮箱磨损故障的诊断;该结果可为行星齿轮箱磨损的故障诊断提供依据。

基于1.5维包络谱的行星齿轮箱故障诊断方法研究

针对行星齿轮箱中存在的传递路径复杂问题,以及其中多种特征频率存在相互耦合的问题,对行星齿轮箱的齿面磨损故障进行了研究。用公式推导验证了基于复数域的1.5维包络谱,可以在满足二次频率耦合的情况下使用,提出了基于频率耦合产生1.5维包络谱的故障诊断方法;对行星齿轮箱齿面磨损的全生命周期进行了实验测试,提取到了行星齿轮箱磨损故障特征,对行星齿轮箱齿面磨损过程中的二次频率耦合故障特征变化规律进行了研究。研究结果表明:与其他方法相比,耦合产生1.5维包络谱可以更好地提取出二次耦合故障特征,能更准确地识别行星齿轮的磨损故障;该结果可为行星齿轮箱齿面磨损的故障诊断提供有利的依据。