基于增强自适应盲解卷积方法的齿轮故障诊断

作     者：吴磊 张新 王家序 赵艺珂 刘治汶 王磊 WU Lei;ZHANG Xin;WANG Jiaxu;ZHAO Yike;LIU Zhiwen;WANG Lei

作者机构：西南交通大学机械工程学院成都610031 重庆大学机械传动国家重点实验室重庆400044 电子科技大学自动化工程学院成都611731 西安交通大学机械工程学院西安710049 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2023年第42卷第7期

页      面：123-132页

核心收录：

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金(52175122,52075456) 机械传动国家重点实验室开放基金(SKLMT-MSKFKT-202108) 中央高校基本科研业务费(2682021CX021) 

主　　题：齿轮故障诊断 自适应盲解卷积 非线性变换 故障特征增强 

摘      要：针对最小熵解卷积(minimum entropy deconvolution,MED)在故障诊断中倾向于恢复少量伪主导冲击以及依赖经验选取滤波器长度的问题,提出了一种增强自适应盲解卷积方法。该方法设计一种非线性变换以增强滤波信号中的故障冲击特征,并将其融入滤波器系数的迭代求解中,从而解决MED因少量伪主导冲击造成峭度过大而无法有效恢复周期性故障冲击的问题。同时,所提方法提供一种可根据待分析信号自适应获得合适滤波参数的策略,进而克服传统依赖经验取值的不足。仿真信号与齿轮植入故障信号分析结果验证方法对于增强故障冲击及自适应选取滤波参数的有效性,实现周期性故障冲击的准确恢复。在列车齿轮故障诊断的工程实际案例中,所提方法准确诊断出齿轮传动系统中大齿轮的早期裂纹故障。与MED的对比研究,进一步表明所提方法在故障冲击增强与自适应恢复方面的优势。