文献类型：期刊文章

作　　者：周小龙[1] 徐鑫莉[2] 王尧[1] 刘薇娜[3] 姜振海[4] 马风雷[4]

ZHOU Xiaolong;XU Xinli;WANG Yao;LIU Weina;JIANG Zhenhai;MA Fenglei(Mechanical Engineering College,Beihua University,Jilin 132021,China;Department of Automation,Shanghai Jiao Tong University,Shanghai 200240,China;College of Mechanical and Electric Engineering,Changchun University of Science and Technology,Changchun 130022,China;School of Mechatronic Engineering,Changchun University of Technology,Changchun 130012,China)

机构地区：[1]北华大学机械工程学院,吉林132021 [2]上海交通大学自动化系,上海200240 [3]长春理工大学机电工程学院,长春130022 [4]长春工业大学机电工程学院,长春130012

出　　处：《振动与冲击》

基　　金：国家自然科学基金(51505038);吉林省科技厅重点科技攻关项目(222170102058);吉林省教育厅“十三五”科学研究规划项目(JJKH20190639KJ)。

年　　份：2021

卷　　号：40

期　　号：12

起止页码：265-274

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对齿轮故障信号易受噪声干扰导致故障特征难以提取的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和最大重叠离散小波包变换(maximal overlap discrete wavelet packet transform,MODWPT)相结合的信号去噪方法。采用VMD方法将齿轮振动信号分解成一系列不同中心频率的固有模态函数(intrinsic mode function,IMF),对VMD分解过程中影响其精度的主要参数选择方法进行了探究,提出相关参数的选取依据。结合能量熵增量-频域互相关系数准则以剔除分解出的高频噪声和虚假干扰成分;采用MODWPT方法对包含高频噪声的IMF分量进行去噪,以进一步提升信号的去噪效果和性能指标;最后将去噪后高频IMF分量同表征信号自身特征的敏感模态分量重构为去噪信号。通过仿真信号和齿轮断齿故障信号的分析,证明了所提方法的有效性和实用性。

关 键 词：变分模态分解  最大重叠离散小波包变换  去噪 齿轮 特征提取

分 类 号：TH132.41] TN911.6]