基于EEMD能量熵的齿轮接触疲劳试验点蚀分析

为了研究大模数合金钢齿轮采用单齿表面感应淬火热处理工艺后的接触疲劳特性,进行了相应的齿轮接触疲劳试验。采用总体平均经验模态分解(EEMD)将采集的振动信号分解,并计算其能量熵,进而分析试验过程中能量熵值变化情况,以及其与齿面点蚀情况的对应关系;从而可以将能量熵值作为一个辅助性指标来判断齿轮是否点蚀失效,完善齿轮接触疲劳试验点蚀失效的判据,为齿轮疲劳寿命预测提供基础试验数据。

EEMD能量熵和奇异值熵与SVM融合的船用空压机故障诊断

针对船用往复式二级空压机振动信号非线性、非平稳性问题,利用振动信号辨识故障,综合集成经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)的信号处理优势,提出一种将EEMD能量熵和奇异值熵与SVM融合的船用空压机故障诊断方法。模拟正常状态和4种故障状态进行故障诊断实验。采集的振动信号用小波降噪法进行处理。为模拟船用空压机实际工作环境,在EEMD处理过程中加入加性高斯白噪声(信噪比7.5 dB)。以相关性为评价指标选取各状态下本征模态函数(intrinsic mode function,IMF),并以每个IMF的能量熵和奇异值熵作为特征值,采用SVM分类器识别故障。实验表明:与基于经验模态分解(empirical mode decomposition,EMD)和SVM等故障诊断方法相比,该方法能更有效地识别故障。该方法在实船应用中获得较好的诊断效果,可为现代船舶智能故障诊断研究提供参考。

基于EEMD和马氏距离的高压断路器机械故障诊断研究

断路器的振动信号可以有效反映其机械运行状态,针对目前使用振动信号判别断路器常见机械故障正确率较低的现状,提出一种基于集合经验模态分解(EEMD)和马氏距离判别法的高压断路器机械故障诊断方法。首先,针对断路器振动信号的瞬时非平稳特性,使用EEMD将其分解得到若干个固有模态函数(IMF)。然后,基于EEMD的能量熵并联合其均方根值,构造一种新的故障特征向量。最后,利用马氏距离判别法进行机械故障识别。实验结果表明,该方法用于识别断路器正常、传动机构卡涩和基座螺丝松动等常见机械故障时,正确率可达到95.7%,具有较高的实际应用价值。