齿轮点蚀的多通道数据融合识别方法

摘要

针对齿轮箱振动信号中混杂其他零部件振动频率的问题,提出一种基于小波包分解独立分量分析(wavelet package independent component analysis,简称WPICA)和多维经验模式分解(multivariate empirical mode decomposition,简称MEMD)的齿轮箱齿面点蚀故障信号的多通道数据融合识别方法。首先,利用一种窄带独立分量分析(sub-band decomposition independent component analysis,简称SDICA)方法—WPICA,从水泵机组多通道信号中提取齿轮箱振源,确定齿轮箱振动包含的特征频率成分;其次,借助MEMD分解多通道机组振动信号,将所获得的多维固有模式函数(intrinsic mode function,简称IMF)进行矩阵互信息运算,完成多通道数据的融合;最后,通过定义IMF故障敏感因子,确定故障敏感IMF的阶数并获得了齿轮点蚀故障的特征频率。数据分析结果证明了本研究方法的有效性。