双树复小波和MED在齿轮箱早期故障诊断中的应用
王朝阁1
刘桐桐1
任学平1
张浩东2
王建国1
1.内蒙古科技大学 机械工程学院,包头,0140102.包头钢铁集团有限责任公司 设备动力部,包头,014030
摘要：针对齿轮箱轴承早期故障特征信号微弱且受环境噪声影响严重,故障特征信息难以识别的问题,提出了双树复小波变换(dual-tree complex wavelet transform,DT-CWT)和最小熵反褶积(minimum entropy deconvolution,MED)的故障诊断方法.首先对采集到的振动信号进行双树复小波分解,得到几个不同频段的分量,由于噪声的干扰,从各个分量的频谱中很难对故障做出正确的判断.然后对包含故障特征的分量进行最小熵反褶积滤波处理以消除噪声影响,凸显故障特征信息.最后对滤波后的信号进行Hilbert包络谱分析,即可从中准确地识别出轴承的故障特征频率.通过齿轮箱轴承故障模拟实验和工程应用实例分析验证了该方法的有效性与优越性.
关键词：齿轮箱双树复小波最小熵反褶积Hilbert包络谱轴承故障诊断
分类号：TH16(机械制造工艺)TH133.33(机械零件及传动装置)
论文发表日期：2018-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 280-286 )
英文信息