PSO稀疏分解在齿轮信号故障特征提取中的应用
巩孟林
陈卫
钟也磐
1.空军工程大学航空工程学院,西安,7100382.空军工程大学航空工程学院,西安,7100383.空军工程大学航空工程学院,西安,710038
摘要：针对齿轮早期故障诊断,传统的信号处理方法受噪声干扰大,严重影响了齿轮故障特征提取.结合粒子群(PSO)算法和稀疏分解算法提出PSO稀疏分解,利用PSO在搜索最优解方面的优势降低了稀疏分解的计算复杂度,并提出了“匹配度”作为信号的特征量.通过对模拟信号和某型航空发动机齿轮毂振动信号的分析,证明PSO稀疏分解在强噪声背景下具有很好的稳健性,提高了振动信号的信噪比,能够有效提取齿轮的故障特征,故障信号的“匹配度”比正常信号平均高出0.4左右,与传统方法相比,优势较为明显.
关键词：齿轮故障诊断稀疏分解粒子群算法Morlet小波
分类号：V232.8(航空发动机（推进系统）)TH132.46(机械零件及传动装置)
资助基金：国家自然科学基金(51175509)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 13-18 )
英文信息