期刊文章详细信息
基于改进小波阈值与排列熵的矿用齿轮故障识别
Fault Recognition of Gear Based on Improved Wavelet Threshold and Permutation Entropy
文献类型:期刊文章
ZHANG Shu-li;WU Zi-jun(Institute of Technology,Zhengzhou Technology and Business University,Zhengzhou 451400,China;School of Physics and Electronic,North China University of Water Resources and Electric Power,Zhengzhou 450046,China)
机构地区:[1]郑州工商学院工学院,郑州451400 [2]华北水利水电大学物理与电子学院,郑州450046
基 金:河南省科技厅科技攻关项目(202102110269);河南省高等学校重点科研项目计划支持(19A510023)。
年 份:2021
卷 号:40
期 号:10
起止页码:196-199
语 种:中文
收录情况:AJ、BDHX、BDHX2020、CAS、IC、核心刊
摘 要:针对煤矿机械齿轮故障振动信号噪声干扰严重致使特征无法有效提取的问题,提出一种改进小波阈值与排列熵相结合的煤矿机械齿轮故障识别方法。首先,阐述改进小波阈值降噪原理并与2种阈值降噪方法进行比较,从仿真结果可知,改进小波阈值法处理后的信号,信噪比最大且均方根误差最小。其次,根据齿轮振动信号特点,利用改进小波阈值降噪法对其进行降噪处理。最后,计算比较齿轮振动信号降噪前后的排列熵,以提取故障特征进行齿轮故障识别。在行星齿轮箱故障诊断实验台上开展了实验,结果表明,该方法能够准确识别齿轮的不同故障。
关 键 词:齿轮 改进小波阈值 排列熵 故障识别
分 类 号:TH132]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...