基于VMD和最小熵反褶积的齿轮早期故障诊断

来源期刊：机械设计与制造2019年第6期

论文作者：辛李霞 汪建新 苏晓云

文章页码：50 - 54

关键词：变分模态分解;最小熵反褶积;包络解调;特征提取;齿轮故障;

摘    要：针对强噪声环境下齿轮早期故障特征信号微弱,故障特征信息难以提取的问题,提出了变分模态分解（Variational Mode Decomposition,VMD）和最小熵反褶积（Minimum Entropy Deconvolution,MED）的诊断方法。首先,利用VMD对采集到的齿轮故障振动信号进行自适应分解,得到一系列窄带本征模态分量（band-limited intrinsic mode functions,BLIMFS）,由于噪声的干扰,从各个模态分量的频谱中很难对故障做出正确的判断;然后依据相关系数准则,选取包含故障特征信息较丰富的分量进行MED滤波处理以消除噪声影响,凸显故障特征信息。最后对降噪后的信号进行Hilbert包络解调分析,即可从包络谱中准确地识别齿轮故障特征频率。通过仿真信号和齿轮箱实验数据对所提方法进行了验证,结果表明,该方法能够有效地降低噪声的影响,准确地提取齿轮早期故障信号中微弱的特征信息。