噪声与振动控制

噪声与振动控制 ›› 2017, Vol. 37 ›› Issue (5): 175-179.DOI: 10.3969/j.issn.1006-1355.2017.05.036

• 信号处理与故障诊断 • 上一篇    下一篇

遗传算法优化稀疏分解的齿轮箱故障诊断研究

宋昌浩， 纪国宜   

  1. （ 南京航空航天大学  机械结构力学及控制国家重点实验室，  南京  210016 ）
  • 收稿日期:2017-03-02 修回日期:2017-04-11 出版日期:2017-10-18 发布日期:2017-10-19
  • 通讯作者: 宋昌浩

Research on Fault Diagnosis of Gearboxes Based on  Genetic Algorithm Optimized Sparse Decomposition

<a href="https://nvc.sjtu.edu.cn/EN/article/advancedSearchResult.do?searchSQL=((([Author]) AND 1[Journal]) AND year[Order])" target="_blank"></a>,<a href="https://nvc.sjtu.edu.cn/EN/article/advancedSearchResult.do?searchSQL=((([Author]) AND 1[Journal]) AND year[Order])" target="_blank"></a>   

  • Received:2017-03-02 Revised:2017-04-11 Online:2017-10-18 Published:2017-10-19

PDF

摘要：

齿轮箱传动结构复杂，其出现故障时的振动信号往往含有强噪声。在强噪声背景下微弱信号的特征提取是振动信号处理领域的难题。稀疏分解方法能够自适应地提取强噪声背景下的微弱信号特征，但其在寻找最优匹配原子时计算量特别大。为加快匹配最优原子的速度，提出利用遗传算法优化匹配追踪的信号稀疏分解算法，优化后的算法大大降低了匹配追踪算法中寻找最优原子参数的计算量。齿轮故障振动信号的主要特征是调制现象，通过稀疏分解对含有噪声的信号进行降噪，然后进行频域分析，根据频域分析结果实现齿轮的故障诊断。对仿真的齿轮调制振动信号和实际采集的齿轮箱振动信号分析表明，该方法能够从含有强噪声的振动信号中快速且准确地提取出故障特征频率。

关键词: 振动与波, 稀疏分解, 匹配追踪算法, 遗传算法, 齿轮箱, 故障诊断

中图分类号: