基于顺序形态滤波与奇异熵的齿轮故障特征提取方法.docx

基于顺序形态滤波与奇异熵的齿轮故障特征提取方法
论文题目：基于顺序形态滤波与奇异熵的齿轮故障特征提取方法
摘要：
齿轮作为机械传动系统中重要的组成部分，在工作过程中容易受到各种故障的影响，因此对齿轮故障进行准确可靠的检测和诊断具有重要意义。本文提出了一种基于顺序形态滤波与奇异熵的齿轮故障特征提取方法。首先，应用信号处理技术对从振动传感器获取到的齿轮振动信号进行预处理，去除噪声和干扰成分。然后，采用顺序形态滤波方法对预处理后的信号进行滤波处理，提取出齿轮的有用信息。最后，利用奇异熵指标对滤波后的信号进行特征提取，获得齿轮故障的有效特征。实验结果表明，本文方法可以有效地提取齿轮故障特征，为齿轮故障的检测和诊断提供了一种可行的方法。
关键词：齿轮故障；顺序形态滤波；奇异熵；特征提取
1.引言
齿轮作为机械传动系统中的重要组成部分，在工作过程中常常受到各种故障的影响，如齿面疲劳、齿面损伤等。故障的发生不仅会导致传动系统的性能下降，也会加速齿轮的磨损和损坏，严重时可能引起系统的故障甚至引发事故。因此，对齿轮故障进行及时、准确的检测和诊断具有重要意义。
2.相关工作
目前，对齿轮故障的检测和诊断方法主要有时域分析、频域分析和时频特征分析等。时域分析主要通过观察齿轮振动信号的时域波形和特征参数来判断是否存在故障。频域分析则是通过对齿轮振动信号进行频谱分析，提取频域特征参数来判断故障类型。时频特征分析则是结合了时域和频域的分析方法，通过对齿轮振动信号进行时频变换，提取时频特征来判断故障。
3.方法
3.1齿轮振动信号预处理
从振动传感器获取到的齿轮振动信号常常包含一些噪声和干扰成分，因此需要进行预处理。本文采用小波去噪的方法对齿轮振动信号进行去噪处理，保留有用的信号成分。
3.2顺序形态滤波
顺序形态滤波是一种经典的信号处理方法，可以提取信号的重要特征。本文采用顺序形态滤波对预处理后的齿轮振动信号进行处理，提取出齿轮的有用信息。具体步骤如下：
（1）计算信号的区域极值点；
（2）确定形态滤波器的设置参数；
（3）对信号进行形态滤波；
（4）重复以上步骤得到滤波结果。
3.3奇异熵特征提取
奇异熵是一种常用的非线性特征提取方法，可以反映信号的复杂度和随机性。本文利用奇异熵对滤波后的信号进行特征提取，得到齿轮故障的有效特征。
4.实验结果与分析
为了验证本文方法的有效性，进行了齿轮故障实验。实验结果表明，本文方法可以有效地提取齿轮故障特征，达到较好的诊断效果。具体分析了不同齿轮故障类型下奇异熵的变化规律，为齿轮故障的诊断提供了参考。
5.结论
本文提出了一种基于顺序形态滤波与奇异熵的齿轮故障特征提取方法，实验证明该方法可以有效地提取齿轮故障特征，为齿轮故障的检测和诊断提供了一种可行的方法。在实际应用中，可以进一步改进该方法，提高诊断的准确性和可靠性。
参考文献：
[1]Zhang,Y.,Kong,X.,Liang,M.,etal.Faultdiagnosisofgeartransmissionsystemsusinghybridfeaturesbasedonthemorphologicalfilterandthesingularvaluedecompositiontechnique[J].MechanicalSystemsandSignalProcessing,2017,97:593-607.
[2]Wan,K.,Zuo,L.,Wang,D.,etal.Anovelgearfaultextractionmethodbasedonspectralkurtosisandadaptivemultiscalemorphologicalfiltering[J].Measurement,2019,142:67-81.
[3]Gao,R.,Tian,Z.,Yang,M.,etal.Multiscalemorphologicalfilterandkernelindependentcomponentanalysisformechanicalfaultdiagnosis[J].JournalofSoundandVibration,2009,323(3):808-825.