第4期 2017年4月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)04009204
DOI: 10. 13462/j. cenki. mmtamt. 2017. 04. 023
应用VMD和多参数融合的齿轮箱故障诊断
安邦，潘宏侠，张媛，张玉学，赵雄鹏
No.4 Apr.2017
(1.中北大学机械与动力工程学院，太原030051：2.中国电子科技集团公司第二研究所，太原 030024)
摘要：由于齿轮箱故障信号的非线性，以及各种噪声的影响导致故障特征难以确定，为了准确、高效地分析齿轮箱故障信号，提出了一种应用变分模态分解（VMD)和多参数融合的齿轮箱故障诊断方法。首先对齿轮箱故障信号进行变分模态分解，并与传统的经验模态分解（EMD)进行对比；同时提取各模态分量的能量百分比和信息炳作为特征值，并采用RBF神经网络进行故障诊断。实验结果表明变分模态分解能够有效避免模态混叠现象的发生，以VMD为基础的多参数融合方法能够准确、快速地实现齿轮箱的故障诊断。
关键词：多参数融合；齿轮箱；故障诊断
中图分类号：TH17;TG65
文献标识码：A
Research on Gearbox Fault Diagnosis Based on VMD and Multi-parameter Fusion AN Bang',PAN Hong-xia',ZHANG Yuan,ZHANG Yu-xue',ZHAO Xiong-peng
(1. School of Mechanical and Power Engineering, North University of China, Taiyuan 030051 , China;2. The 2nd Research Institute of China Electronics Technology Group Corporation,Taiyuan 030024 , China)
Abstract : Because of the non-linearity of the gearbox fault signal, and the influence of various noises, it is difficult to extract the fault features of the gearbox. In order to analyze the fault signal accurately and effi-ciently, a method based on Variational Mode Decomposition ( VMD) and multi-parameter fusion is pro-posed. Firstly, the VMD decomposition of fault signal is performed and compared with EMD decomposition results; Meanwhile, the energy percentage of each component is extracted and the information entropy of each sample is taken as the eigenvalue. Then the extracted feature parameters are input to the RBF neural network for fault diagnosis. The results showed that the variational mode decomposition can effectively avoid the phenomenon of modal mixture. The multi-parameter fusion method based on VMD can realize the fault diagnosis of gearbox accurately and quickly.
Key words: multi-parameter fusion ; gearbox ; fault diagnosis
0引言
当齿轮箱发生故障时，常用的故障诊断方法是通
过采集振动加速度信号进行分析，然而由于齿轮箱的振动响应是各个频率特征信息的叠加，因此就需要通过滤波和信号分解提取特征值进行故障诊断。传统的经验模态分解（EMD)算法存在模态混叠问题，需要进一步优化，为此程军圣1等人将局部特征尺度分解(LCD)引入到齿轮箱故障诊断中，刘述文-等将局域均值分解(LMD)应用在齿轮箱故障诊断中，虽然均取得不错的效果，但还没有从根本上解决问题；Konstan-
tinDragomiretskiy[3]于2014年提出了变分模态分解（VMD)方法，该方法能够将复杂信号自适应地分解为 K个调幅-调频信号，有效抑制模态混叠现象4]。因此，为了准确、高效地提取故障特征，避免模态混叠的干扰，本文尝试将VMD方法引入到齿轮箱故障诊断领域，并结合信息摘理论与神经网络对齿轮箱进行故障诊断。
实验方案设计
选取JZQ250减速齿轮箱作为实验对象，为了模拟齿轮箱在现实环境中的工作状态，将三相异步电动机
收稿日期：20161219；修回日期：20170116
*基金项目：国家自然科学基金：基于粒子排优化和滤波技术的复杂传动装置早期故障诊断研究（50875247）
作者简介：安邦(1993—），男，河北石家庄人，中北大学预士研究生，研究方向为装备系统检测诊断与控制，（E-mail)anhang0519@163.com
涌宏快(1950一），男，辽宁大连人，中北大学教投，博士生导师，研究方向为信息处理与识别、装备系统检测诊断与控制，（E-mail)pan hx1015@ 163. com,
万方数据