改进的熵特征在行星齿轮裂纹故障识别中的应用

作者：吴守军; 陈健; 冯辅周^*; 周超极; 吴春志; 卫恒

来源：西安交通大学学报, 2021, 55(06): 61-68.

• 行星齿轮
• 故障诊断
• 信息熵
• 支持向量机
• 多尺度熵

针对利用精细复合多尺度散布熵(RCMDE)特征在行星齿轮裂纹故障识别时存在噪声鲁棒性差、尺度选择依赖人工等不足,通过改进RCMDE特征,提出一种基于自适应精细复合多尺度散布熵(ARCMDE)特征的行星齿轮裂纹故障识别方法。改进从以下3个方面展开:首先在计算RCMDE特征前利用变分模态分解(VMD)算法对信号进行分解,以获取预设数量的固有模态分量(IMF),再计算IMF与原信号的互信息,选取互信息大于阈值的IMF重构信号,实现降噪预处理;然后提出特征重合度及其计算公式,评价多个状态样本的均值标准差之间的重叠交叉情况,利用特征重合度选择较好的若干尺度构建特征向量;最后,结合粒子群优化(PSO)与支持向量机(SVM)实现故障模式识别。行星变速箱实验数据验证结果表明,与多尺度散布熵(MDE)和RCMDE特征相比,采用改进的ARCMDE特征构建的特征向量输入PSO-SVM的分类准确率提高了20%以上,验证了所提裂纹识别方法的有效性和优势。

• 出版日期2021
• 单位中国人民解放军装甲兵工程学院; 陕西师范大学