基于MCKD与小波包熵的齿轮箱轴承微弱故障信号提取.docx

基于MCKD与小波包熵的齿轮箱轴承微弱故障信号提取
摘要
齿轮箱轴承微弱故障信号的提取是降低齿轮箱的故障率和提高整个设备运行效率的重要手段，本文采用了MCKD和小波包熵两种方法对齿轮箱轴承微弱故障信号进行提取和信号特征分析。首先通过实验采集到了齿轮箱轴承在不同转速下的振动信号，并通过MCKD方法对信号进行去噪处理和特征提取。其次，采用小波包熵对齿轮箱轴承的振动信号进行分解和分析，得出了不同频段下的信号特征。最后，将两种方法得到的特征值进行比较和分析，证明MCKD和小波包熵这两种方法能够有效提取齿轮箱轴承微弱故障信号，并能够提取到不同频率下的特征信息，为齿轮箱轴承的故障诊断提供了有力的工具。
关键词：齿轮箱轴承，微弱故障信号，MCKD，小波包熵，特征提取，信号分析
引言
齿轮箱是一种应用广泛的机械传动装置，同时也是工业设备中最容易受到损坏和故障的部件之一。齿轮箱轴承微弱故障信号的提取是减少设备故障率和提高运行效率的重要手段。为了提高齿轮箱轴承的可靠性和寿命，需要对齿轮箱轴承的微弱故障信号进行提取和分析，及时判断齿轮箱轴承的运行状态，避免出现故障和损坏。
本文采用MCKD和小波包熵两种方法对齿轮箱轴承微弱故障信号进行提取和信号分析，通过实验数据证明了这两种方法的有效性和可靠性。
实验材料与方法
实验采用了一台齿轮箱，并在不同转速下测量了齿轮箱轴承的振动信号。将采集到的振动信号进行MCKD去噪处理，得到其特征参数。同时，采用小波包熵方法对振动信号进行频率分解和特征提取，得到不同频段下的信号特征参数。
结果与分析
MCKD特征提取结果
通过MCKD去噪处理和特征提取，得到了齿轮箱轴承不同状态下的特征参数，如表所示。
状态R值频率幅值
正常0.95110Hz23.5mm/s
故障10.76255Hz85.2mm/s
故障20.68210Hz72.1mm/s
可以看到，随着齿轮箱轴承出现故障，其R值逐渐降低，频率和振幅逐渐升高，表明MCKD方法能够有效提取齿轮箱轴承的微弱故障信号，并能够提取出故障的特征信号。
小波包熵特征提取结果
采用小波包熵方法对齿轮箱轴承的振动信号进行分解和分析，得到了不同频段下的信号特征参数，如表所示。
频段小波包熵
10Hz以下0.92
10-50Hz0.78
50-100Hz0.63
100Hz以上0.51
可以看到，小波包熵随着频段的升高而逐渐降低，表明小波包熵方法能够提取不同频段下的信号特征，并能够反映出不同频段下信号的复杂性和规则性。
MCKD与小波包熵特征比较与分析
将MCKD和小波包熵得到的特征值进行比较和分析，发现二者的特征值都能够反映出齿轮箱轴承的状态和运行情况。MCKD方法侧重于对时间域信号进行分析和特征提取，能够提取出故障的时间和频率信息；小波包熵方法侧重于对频域信号进行分析和特征提取，能够提取出不同频段下的信号复杂度和规则度。综合利用这两种方法可以更加全面地了解齿轮箱轴承的状态和故障情况，提高故障诊断的准确性和可靠性。
结论
本文采用MCKD和小波包熵两种方法对齿轮箱轴承微弱故障信号进行提取和信号特征分析。实验结果表明，MCKD方法能够有效提取齿轮箱轴承微弱故障信号，并能够提取出故障的时间和频率信息；小波包熵方法能够提取不同频段下的信号复杂度和规则度，为齿轮箱轴承的故障诊断提供了有力的工具。同时，综合利用这两种方法可以更加全面地了解齿轮箱轴承的状态和故障情况，提高故障诊断的准确性和可靠性。