基于CEEMD-MPE和ELM的齿轮箱故障诊断研究.docx

基于CEEMD-MPE和ELM的齿轮箱故障诊断研究
标题：基于CEEMD-MPE和ELM的齿轮箱故障诊断研究
摘要：
在机械设备中，齿轮箱被广泛应用于传动系统中。然而，由于长期运行、高速旋转和严酷工作环境等原因，齿轮箱常常出现故障。因此，实现对齿轮箱故障的准确诊断对维护和保养工作具有重要意义。本文提出了一种基于离散小波变换去噪的全局局部特征提取方法-改进的经验模态分解和多尺度双重的SingularValueDecomposition方法（CEEMD-MPE）结合极限学习机（ELM）的齿轮箱故障诊断方法。使用该方法对不同故障工况下的齿轮箱振动信号进行了实验研究，结果表明该方法具有较好的有效性和实用性。
1.引言
齿轮箱是机械设备传动系统中重要的组成部分，其正常运行对设备的正常工作至关重要。然而，长期运行和高速旋转等因素可能导致齿轮箱发生故障，进而影响设备的正常工作。因此，及时准确地对齿轮箱进行故障诊断具有重要意义。
2.相关工作
诊断齿轮箱故障的研究方法主要包括振动信号处理、波形分析以及频谱分析等。然而，这些方法在处理齿轮箱振动信号的时候存在一些问题，如信号噪声干扰等。因此，需要进一步提出一种对齿轮箱振动信号进行高效处理和特征提取的方法。
3.方法介绍
本文提出了一种基于CEEMD-MPE和ELM的齿轮箱故障诊断方法。首先，使用离散小波变换对齿轮箱振动信号进行去噪，去除噪声对故障诊断的干扰。接着，利用改进的经验模态分解方法对去噪后的振动信号进行分解得到多个本征模态函数（EMD）。在此基础上，使用多尺度双重的SingularValueDecomposition方法提取全局局部特征。最后，使用极限学习机对特征进行分类和诊断。
4.实验结果与分析
本文在实验室搭建了齿轮箱故障模拟平台，使用该平台获取了不同故障工况下的齿轮箱振动信号。将这些信号输入到提出的方法中进行处理和诊断，得到了一系列的实验结果。结果表明，该方法在齿轮箱故障诊断中具有较好的准确性和鲁棒性，能够较准确地判断齿轮箱的故障类型和程度。
5.结论
本文提出了一种基于CEEMD-MPE和ELM的齿轮箱故障诊断方法，该方法能够有效去除信号噪声、提取全局局部特征，并利用极限学习机进行分类和诊断。实验结果表明，该方法具有较好的准确性和实用性，在齿轮箱故障诊断中具有潜在的应用价值。
6.展望
未来的研究可以进一步改进本文提出的方法，在更广泛的故障情况下进行验证并优化参数选择。同时，研究者还可以探索其他机器学习方法的应用，提升齿轮箱故障诊断的准确性和可靠性。
关键词：齿轮箱，故障诊断，CEEMD-MPE，ELM，振动信号处理