EEMD和TFPF联合降噪法在齿轮故障诊断中的应用

摘要：

为了消除噪声对齿轮传动系统故障特征提取的影响,提出了一种基于集成经验模态分解(ensemble empirical mode decomposition,简称EEMD)和时频峰值滤波(time-frequency peak filtering,简称TFPF)相结合的降噪方法.针对TFPF算法在窗长的选择方面受到限制的问题,采用了EEMD方法对其进行改进,使得信号在噪声压制和有效信号保真两方面得到权衡;含噪声的信号经过EEMD分解后,得到一系列频率成分从高到低的本征模态函数(intrinsic mode functions,简称IMFs),计算出各IMFs间的相关系数,判断需要滤波的IMFs.对不同的IMFs选择不同的窗长进行TFPF滤波,把过滤后的IMFs和剩余的IMFs重构得到最终的降噪信号.用模拟仿真信号和齿轮齿根故障信号对该方法进行验证,可见EEMD+TFPF能有效地去除噪声,成功提取齿根裂纹故障特征.

关键词：时频峰值滤波、集成经验模态分解、齿根裂纹、降噪

所属期刊栏目：37

分类号：TH17;TH13

资助基金：国家自然科学基金资助项目50775157;山西省基础研究资助项目2012011012-1

在线出版日期：2018-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1011-1017