基于自适应优化品质因子的共振稀疏分解方法及其在行星齿轮箱复合故障诊断中的应用.pdf

《基于自适应优化品质因子的共振稀疏分解方法及其在行星齿轮箱复合故障诊断中的应用.pdf》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、第52卷第15期机械工程学报Vol.52No.152016年8月JOURNALOFMECHANICALENGINEERINGAug.2016DOI：10.3901/JME.2016.15.044基于自适应优化品质因子的共振稀疏分解方法及*其在行星齿轮箱复合故障诊断中的应用黄文涛付强窦宏印(哈尔滨工业大学机电工程学院哈尔滨150000)摘要：在共振稀疏分解方法中，品质因子决定其共振属性，其值的选择对共振稀疏分解结果有着很大的影响。现有的共振稀疏分解方法主要是依靠人为选择品质因子，带有较大的主观随意性，对最终诊断结果

2、的提升非常有限。为此，基于遗传算法的全局优化性能，提出一种自适应优化品质因子的共振稀疏分解新方法。与已有方法相比，该方法利用遗传算法优良的寻优性能，优化共振稀疏分解中的品质因子，自适应地得到与输入信号故障特征相匹配的高低共振分量的品质因子。将所提出的新方法应用于某行星增速齿轮箱中行星齿轮与行星架轴承的复合故障诊断中，有效地提取出振动信号中相应的故障特征，实现了早期复合故障的准确诊断，表明了该方法的有效性和实用性。关键词：共振稀疏分解；品质因子；遗传优化；故障信息提取；行星齿轮箱中图分类号：TH17Resonanc

3、e-basedSparseSignalDecompositionBasedontheQualityFactorsOptimizationandItsApplicationofCompositeFaultDiagnosistoPlanetaryGearboxHUANGWentaoFUQiangDOUHongyin(SchoolofMechatronicsEngineering,HarbinInstituteofTechnology,Harbin150000)Abstract：Thequalityfactorsdet

4、erminetheresonanceofresonance-basedsparsesignaldecomposition(RSSD)，anddirectlyaffecttheperformanceofRSSD.IntheexistingRSSD,theselectionofapproximatevaluesofthequalityfactorswithlargesubjectiverandomness,reducestheadvantagesofthismethodinmechanicalfaultdiagnos

5、is.Tosolvethisdeficiency,anewmethod,theRSSDbasedonoptimizingthequalityfactors,isproposed.ComparedwiththeexistingRSSD,theproposedmethodoptimizesthevaluesofthequalityfactorswiththeglobaloptimizationabilityofgeneticalgorithm,andadaptivelyobtainsthequalityfactors

6、ofthehigh-andlow-resonancecomponentstorealizetheoptimalmatchingbetweenRSSDandfaultinformationaccordingtotheinputsignal.Finally,theproposedmethodisappliedtodiagnosethecompositefaultswiththeplanetarygearandthebearinginaplanetarygearbox,andeffectivelyextractsthe

7、compositefaultcharacteristicsfromthevibrationsignal.Accuratediagnosisvalidatesthevalidityandpracticabilityoftheproposedmethod.Keywords：resonance-basedsparsesignaldecomposition；qualityfactor；geneticoptimization；faultinformationextraction；planetarygearbox特征通常比较

8、微弱。受信号传递路径、其他部件正*0前言常振动和噪声的影响，故障信息在总体振动信号中[1]很难被发现。因此，研究合适的信号处理方法以对机械设备的传动部件进行故障诊断和监测，实现振动信号内故障成分的有效分离引起了众多学对于确保机械系统的安全运行具有重要的意义。当者的关注和探索。某些部件出现局部故障，特别是早期故障时，故障以时频分析方法为基础的机械设备故障信息[2-3]提取方