控制与决策

作者：薛萍,郝鹏,王宏民

单位：哈尔滨理工大学 自动化学院,哈尔滨 150080,,哈尔滨理工大学 自动化学院,哈尔滨 150080,,哈尔滨理工大学 自动化学院,哈尔滨 150080,

关键词：齿轮故障诊断;自适应白噪声;完整集成经验模态分析;信息熵;改进的双RBF神经网络

基金：先进制造智能化技术教育部重点实验室项目；黑龙江省应用技术研究与开发计划项目(GC13A412)；哈尔滨市科技创新人才项目(2016RQXXJ055).

非平稳工况下的齿轮故障检测是一项非常困难的工作,由于齿轮振动信号的复杂性,导致故障特征提取和故障诊断困难.针对这些问题,基于径向基(radial basis function,RBF)神经网络,提出一种在变速条件下齿轮的故障诊断方法CIHDRFD.首先利用自适应白噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),将原始振动信号分解为多个固有的模态函数(intrinsic mode function,IMF),并通过计算其信息熵(information entropy,IE)筛选出IE最小的4个IMF作为特征IMF;然后利用希尔伯特变换(hilbert transform,HT)处理特征IMF并求出Hilbert包络谱,利用Hilbert包络谱构建故障特征向量;最后利用改进的双RBF神经网络进行故障检测.通过搭建齿轮故障检测平台验证CIHDRFD方法的有效性,实验结果表明,CIHDRFD方法适用于齿轮故障诊断,在速度波动为3%的情况下,诊断准确率和诊断时间分别为98.21%和74.53s.

来源：2022年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第2期