双树复小波域mca降噪在齿轮故障诊断中的应用

《双树复小波域mca降噪在齿轮故障诊断中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、航空动力学报文章编号:20140341双树复小波域MCA降噪在齿轮故障诊断中的应用胥永刚，赵国亮，马朝永，侯少飞（北京工业大学机械工程与应用电子技术学院先进制造技术北京市重点试验室，北京100124）摘要：双树复小波在处理齿轮箱早期故障等具有非线性、非平稳特性的信号时比传统小波方法具有更好的效果，但是，处理后的信号往往依然包含强烈的干扰噪声，而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果。针对该问题，提出了基于形态分量分析（MCA）的双树复小波降噪方法。首先，对强背景噪声故障信号进行双树复小波变换，得到不同层的

2、小波变换系数；然后，选取小波系数周期性较为明显层的小波系数进行MCA降噪；最后，将降噪后的系数进行单支重构后便可获得故障特征信号，对降噪信号进行包络分析便可以确定信号的故障特征频率。仿真分析与工程应用结果表明：该方法能够在有效去除信号中的强背景噪声的同时保留微弱故障信息，提供了一种故障诊断新方法。关键词：双树复小波变换；形态分量分析（MCA）；降噪；齿轮；故障诊断中图分类号：V231.92;TH133.3;TH165文献标志码：ADenoisingmethodbasedondual-treecomplexwavelettr

3、ansformandMCAanditsapplicationingearfaultdiagnosisXUYong-gang，ZHAOGuo-liang，MAChao-yong，HOUShao-fei(KeyLaboratoryofAdvancedManufacturingTechnologyofBeijing,CollegeofMechanicalEngineeringandAppliedElectronicsTechnology,BeijingUniversityofTechnology,Beijing100124,Ch

4、ina)Abstract:Dual-treecomplexwavelettransform(DT-CWT)hasadvantagesovertheconventionalDWTingearboxincipientfailuresignalprocessingwhichisalwaysnonlinearandnon-stationary.Butstrongnoiseisalwaysremainingintheprocessedsignal,whichresultsdifficultyinfaultfeatureextract

5、ionfortheconventionaldenoisingmethoddoesnotalwaysperformswell,suchasthresholdbasedmethod.Thus,anewmethodbasedonDT-CWTandmorphologicalcomponentanalysis(MCA)isproposed.Intheprocessing,thesignalwasfirstlyprocessedbyDT-CWTtogainthecoefficientsofdifferentlayer.Secondly

6、,MCAwasemployedtodenoisethecoefficientwhichwasmoreperiodic.Then,thedenoisedsignalwithweakfaultfeaturecouldbegottenfromafollowingsinglereconstruction.Finally,thefaultcharacteristicfrequencycouldbelocatedaccuratelybysimpleenvelopespectrumanalysis.Simulationandapplic

7、ationexampleshaveshowedtheeffectivenessofthemethodingearfaultfeatureextractionofstrongbackgroundnoise,providinganewfaultdiagnosismethod.Keywords:dual-treecomplexwavelettransform(DT-CWT);morphologicalcomponentanalysis(MCA);denoising;gear;faultdiagnosis第期胥永刚等：双树复小波域

8、MCA降噪在齿轮故障诊断中的应用7齿轮箱是机械传动系统的重要组成部分，广泛应用于各种工业设备中。齿轮是齿轮箱动力传输的关键部件，破坏形式多变且机理复杂，其早期故障信号具有非线性非平稳特性，复杂的振动传递路径及强烈的现场噪声对齿轮早期故障特征信息的提取造成了很大困难[1]。因此，如何在去除强背景噪声的同时