基于LMD主分量分析的齿轮损伤识别方法

基于LMD主分量分析的齿轮损伤识别方法

ID:38236504

大小:765.44 KB

页数:5页

时间:2019-05-27

基于LMD主分量分析的齿轮损伤识别方法_第1页
基于LMD主分量分析的齿轮损伤识别方法_第2页
基于LMD主分量分析的齿轮损伤识别方法_第3页
基于LMD主分量分析的齿轮损伤识别方法_第4页
基于LMD主分量分析的齿轮损伤识别方法_第5页
资源描述:

《基于LMD主分量分析的齿轮损伤识别方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、振动、测试与诊断第33卷第5期Vol.33No.52013年10月Oct.2013JournalofVibration,Measurement&Diagnosis基于犔犕犇和主分量分析的齿轮损伤识别方法杨斌,程军圣(湖南大学汽车车身先进设计制造国家重点实验室长沙,410082)摘要针对齿轮故障振动信号的非平稳特征,提出了基于局部均值分解(localmeandecomposition,简称LMD)和主分量分析的齿轮损伤识别方法。首先,对齿轮振动信号进行局部均值分解,将其分解成为若干个PF分量(productfunction,简称PF);然后,选取

2、包含主要损伤信息的PF分量。从PF分量中提取能量和时域统计量等特征参数,组合成初始特征参数向量矩阵,并进一步对初始特征参数向量矩阵进行主分量分析,得到齿轮振动信号的主特征分量,建立距离判别函数,从而对齿轮工作状态进行识别。实验数据分析结果表明,本方法能有效地识别齿轮损伤类型。关键词局部均值分解;齿轮;损伤识别;主分量分析;距离判据中图分类号TH113.1重要。主分量分析(principalcomponentanalysis,引言简称PCA)是模式识别中的一种应用广泛的特征提取方法,该方法能有效地压缩样本空间维度,提取出齿轮在工业设备中起着关键的作用

3、,其运行状最主要的特征信息。最近,主分量分析方法逐渐在态对整个机组的正常运行至关重要。从传感器拾取设备状态检测中得到应用。例如,将PCA方法应用[6]的振动信号中包含着丰富的齿轮损伤信息,因此在在传感器故障诊断中;利用PCA方法对频响函数实际应用中,一般从振动信号中提取特征信息,用来数据进行压缩,将其作为神经网络的输入,用来对结[1][7]判断齿轮的工作状况。常用的非平稳信号处理方构进行的损伤检测。笔者采用LMD方法对齿轮[2]法有小波分解,但小波不具有自适应性。经验模振动信号进行分解,得到若干个PF分量;然后从包态分解(empiricalmode

4、decomposition,简称EMD)含主要损伤信息的PF分量中提取时域统计量和能方法能有效地将非平稳信号自适应地分解为有限的量等特征参数,组合成初始特征参数向量矩阵,并进基本模式分量(intrinsicmodefunction,简称IMF)一步对初始特征参数向量矩阵进行主分量分析,得之和。但是,EMD方法存在模态混淆、端点效应等到齿轮振动信号的主特征分量,建立距离判别函数,[3]问题。最近,一种名为局部均值分解方法(local从而对齿轮工作状态进行识别。实验数据分析结果meandecomposition,简称LMD)的信号处理方法表明,该方法能

5、有效地识别齿轮损伤类型。被提出来,该方法能将非平稳信号分解为若干个具有瞬时物理意义的PF(productfunction,简称PF)1局部均值分解方法分量之和。相对于EMD方法,LMD方法能有效地[4]抑制端点效应、减少迭代次数。一般来说,有许多局部均值分解方法是从原始信号中分离出纯调[5]特征信息可以用来判断设备的工作状态。但是过频信号和包络信号,将纯调频信号和包络信号相乘多的特征输入会增大计算量,而且由于存在与损伤便可以得到具有瞬时物理意义的PF分量,从而获特征不相关的富余特征信息,会影响损伤特征的识得原始信号的时频分布。对于任意信号狓(狋),

6、其[8]别精度。因此,从原始特征信息中提取最主要的特PF分量可以按照如下方法获得。征信息,从而有效地判断设备的工作状态,显得非常1)找出原始信号狓(狋)所有的局部极值点狀犻,计国家自然科学基金资助项目(51075131,51175158);湖南省自然科学基金资助项目(11jj2026);中央高校基本科研业务费专项基金资助项目;湖南大学汽车车身先进设计制造国家重点实验室自主课题资助项目(61075002)收稿日期:20111012;修改稿收到日期:20120405810振动、测试与诊断第33卷算出所有相邻的局部极值点的平均值单分量的调幅调

7、频信号,其瞬时幅值就是包络信号狀犻+狀犻+1犪1(狋),其瞬时频率犳1(狋)则可由纯调频信号狊1狀(狋)求犿犻=(1)2出,即将所有相邻的平均值点犿犻用直线连接,然后1d[arccos(狊1狀(狋))]犳1(狋)=(10)用滑动平均法进行平滑处理,得到局部均值函数2πd狋犿11(狋)。7)将第1个PF分量PF1(狋)从原始信号狓(狋)2)通过局部极值点狀犻求出包络估计值中分离出来,得到一个新的信号狌1(狋),将狌1(狋)作为原始数据重复以上步骤,循环犽次,直到狌(狋)为一狘狀犻-狀犻+1狘犽犪犻=(2)2个单调函数为止。将所有相邻两个包络估计值犪犻

8、用直线连接,然烄狌1(狋)=狓(狋)-PF1(狋)后用滑动平均法进行平滑处理得到包络估计函数狌2(狋)=狌1(狋)-PF2

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。