东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

基于多尺度线调频基稀疏信号分解的包络解调方法及其在齿轮故障诊断中的应用

期刊名称：机械工程学报
时间：0
页码：1-7
语言：中文
分类：TH113.1[机械工程—机械设计及理论] TH165.3[机械工程—机械制造及自动化]
作者机构：[1]湖南大学汽车车身先进设计制造国家重点实验室,长沙410082
相关基金：国家自然科学基金（50875078）; 国家高技术研究发展计划（863计划 2009AA04Z414）; 湖南大学汽车车身先进设计制造国家重点实验室自主课题（60870002）资助项目
相关项目：多尺度线调频基稀疏信号分解方法及其在机械故障诊断中的应用研究

关键词：多尺度, 稀疏信号分解, 线调频基, 非平稳信号, 齿轮, 故障诊断, Multi-scale Sparse signal decomposition Chirplet base function Non-stationary signal Gear Fault diagnosis

中文摘要：

提出一种基于多尺度线调频基稀疏信号分解的包络信号提取方法,并将其应用于转速剧烈波动情况下的齿轮箱故障诊断。基于多尺度线调频基的稀疏信号分解方法可以根据信号的特点,自适应的选择相应尺度对信号进行投影分解。其库函数的多尺度特性和线调频基函数中频率斜率参数的引入使得该方法比以往使用单一尺度库函数的分解方法更适合分解频率呈曲线变化的非平稳信号。当齿轮出现故障时,振动信号会出现啮合频率调制现象,在齿轮转速大范围波动情况下,载波频率和调制频率均随转速大范围波动。采用基于多尺度线调频基的稀疏信号分解方法,能同时有效提取变转速齿轮故障状态下载波频率和包络信号频率随时间的变化曲线,进而对齿轮箱故障进行诊断,解决经验模态分解方法和小波方法难于对转速剧烈波动情况下的齿轮故障进行诊断的问题。仿真算例和应用实例说明了此方法的有效性。

英文摘要：

A method for the extraction of AM-FM signal by sparse signal decomposition based on multi-scale chirplet is proposed,and applied to the fault diagnosis of gearbox with large rotating speed variation.According to the characters of the signal to be decomposed,the proposed method selects the atoms used in signal decomposition with corresponding scale adaptively.Owing to the features of multi-scale in the chirplet library and the introduction of the parameters of frequency offset and slope,this method is superior to the old sparse signal decomposition method,which adopts a single scale,and is more applicable to the decomposition of non-stationary signals whose frequency is time-varying.When a gear with large rotating speed variation has faults,a modulation on mesh frequency will emerge in vibration signals,both the modulation frequency and the carrier frequency will change with the rotating speed accordingly.The modulation frequency and the carrier frequency can be obtained by the proposed method and can be used in gearbox fault diagnosis.The proposed method effectively solves the problems in gearbox fault diagnosis with large rotating speed variation which cannot be disposed by the empirical mode decomposition （EMD） and wavelet method.A simulation example and an application example prove the effectiveness of the method.

同期刊论文项目