基于峭度和小波包能量特征的齿轮箱早期故障诊断及抗噪研究

摘要

针对齿轮故障发生早期信号微弱、难以诊断和现场干扰的问题,提出了一种基于时域峭度和频域小波能量特征提取并结合区分性权重概率神经网络的齿轮早期故障诊断方法。该方法在特征提取方面利用了峭度统计在冲击负载特征提取上的优点,又保留了小波包分解在频域信号获取上的优势,同时考虑到现场的噪声污染问题,在概率神经网络中引入了区分性权重方法,最终实现了齿轮早期故障的诊断。试验研究表明,该方法不仅能够有效地实现齿轮早期故障的诊断,同时对噪声干扰具有很强的鲁棒性。