基于VMD能量熵和HMM的行星齿轮箱故障识别方法

摘要：

针对行星齿轮箱振动信号成分复杂、 非平稳、 非线性的特点,提出一种基于变分模态分解(VMD)能量熵和隐马尔科夫模型(HMM)的故障识别方法.利用VMD算法对不同故障类型的齿轮振动信号进行分解,提取经信号分解得到的各阶本征模态函数(IMF)的能量熵.基于不同故障类型的各IMF分量能量熵在分布上的各异性,将其集合作为故障识别的特征向量.利用不同故障类型的特征向量组成的训练集训练HMM,计算最大对数似然概率值,用于判断测试样本的故障类型.利用该方法对一定转速下行星轮的3种故障进行识别,结果表明:当载荷不同时,它对行星轮齿根裂纹、 断齿和齿面磨损3种故障的平均识别率可达到95.83％.

关键词：行星齿轮箱、变分模态分解、能量熵、隐马尔科夫模型、故障识别

所属期刊栏目：48

分类号：TH17

资助基金：国家自然科学基金项目;山西省科技基础条件平台项目

在线出版日期：2020-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：196-201