基于时延自相关降噪与局部特征尺度分解的齿轮故障检测
Computer Measurement & Control(2023)
Abstract
为了准确检测故障类型,综合运用时延自相关降噪和局部特征尺度分解方法,对齿轮的振动信号进行故障检测;对传感器测到的齿轮箱子振动信号进行自相关函数运算,将[-20,20] 的低时延区间、左右端点内20个数据间的高时延区间内的自相关函数值置零以抑制噪声,得到时延自相关降噪信号;对该信号运用局部特征尺度分解方法进行分解,得到多个单分量信号,依据包含啮合频率准则选取有效分量;对有效分量应用包络分析技术进行故障检测;通过齿轮断齿故障振动试验数据的分析,发现该方法能明显抑制噪声,信噪比增益可达8.096 3 dB,能够在故障信息不明显的情况下检测出齿轮箱故障与否,若存在故障则检测故障类型,能够有效支撑故障诊断.
MoreKey words
autocorrelation function,local characteristic-scale decomposition,effective component,gear fault detect
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined