[1]马骁,韦存海,李跃朋,等.机舱式激光雷达测风仪传动齿轮机械故障诊断研究[J].机械与电子,2024,42(08):76-80.
　MA Xiao,WEI Cunhai,LI Yuepeng,et al.Research on Mechanical Fault Diagnosis of the Transmission Gear of the Cabin Lidar Wind Meter[J].Machinery & Electronics,2024,42(08):76-80.
点击复制

机舱式激光雷达测风仪传动齿轮机械故障诊断研究()

分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

Title:: Research on Mechanical Fault Diagnosis of the Transmission Gear of the Cabin Lidar Wind Meter

Author(s):: MA Xiao ; WEI Cunhai ; LI Yuepeng ; ZHAO Liang ; JIAO Bo; ( SPIC Hebei Electric Power Co. , Ltd. , Shijiazhuang 050031 , China )

Keywords:: gear fault diagnosis ; minimum entropy deconvolution ; intrinsic mode component energy ; kurtosis ; least squares support vector machine

摘要:: 提出了机舱式激光雷达测风仪传动齿轮机械故障诊断方法。利用最小熵反褶积( MED )对齿轮的振动信号去噪处理,利用集成经验模态分解( EEMD )得到齿轮信号的内涵模态( IMF )分量,并根据 IMF 能量和齿轮峭度建立齿轮故障特征向量,将特征向量输入到最小二乘支持向量机( least squares support vector machine , LSSVM )中,完成传动齿轮机械故障的诊断。实验结果表明,该方法的齿轮故障诊断时间短,根据迭代次数的增加,误差率可控制在 3% 以下。

Abstract:: A method of mechanical fault diagnosis of transmission gear of engine room LiDAR wind detector is presented.Using minimum entropy deconvolution ( MED ) to denoise the vibration signal of the gear , the intrinsic mode functions ( IMF ) components of gear signals are obtained by ensemble empirical mode decomposition ( EEMD ) .According to IMF energy and gear Kurtosis , the gear fault feature vector was established , and the feature vector was input into the least squares support vector machine ( LSSVM ) to complete the fault diagnosis of the transmission gear machinery.The experiment results shows that the gear fault diagnosis time of this method is short and the error rate remains below 3% with increasing iterations.

[ 1 ] 李光福,南钢洋,潘冬阳,等 . 激光雷达测风系统信号采集处理研究[ J ] . 红外与激光工程, 2021 , 50 (增刊 2 ):188-194.

[ 2 ] 何怡刚,鲁力,阮义,等 . 风力发电机齿轮箱优化逐层故障诊断方法[ J ] . 电子测量与仪器学报, 2022 , 36 ( 1 ): 89-97.

[ 3 ] 薛萍,郝鹏,王宏民 . 基于径向基神经网络的新型齿轮故障诊断方法[ J ] . 控制与决策, 2022 , 37 ( 2 ): 409-416.

[ 4 ] 唐贵基,徐振丽,庞彬,等 . 基于 SSWPT 边际谱特征信息提取的齿轮故障诊断 [ J ] . 振动与冲击, 2022 , 41( 14 ): 50-57.

[ 5 ] 揭震国,王细洋,龚廷恺 . 基于深度学习与子域适配的齿轮故障诊断[ J ] . 中国机械工程, 2021 , 32 ( 22 ): 2716-2723.

[ 6 ] 王朝阁,李宏坤,胡少梁,等 . 利用参数自适应多点最优最小熵反褶积的行星轮轴承微弱故障特征提取[ J ] . 振动工程学报,2021 , 34 ( 3 ): 633-645.

[ 7 ] 纪俊卿,张亚靓,孟祥川,等 . 自适应小波阈值滚动轴承故障振动信号降噪方法[ J ] . 哈尔滨理工大学学报,2021 , 26 ( 2 ): 124-130.

[ 8 ] 陈芳,张志强,李扉,等 . 基于 EEMD 分解与 BOA 算法优化神经网络的密云水库大阁水文站径流预测[ J ] . 西北林学院学报,2021 , 36 ( 6 ): 188-194.

[ 9 ] 阳瑞霖,何葵东,胡蝶,等 . 基于振动信号 EMD 分解与支持向量机的有载分接开关机械故障诊断[ J ] . 变压器,2022 , 59 ( 7 ): 29-33.

[ 10 ] 汪琳琳,武鹏,何伟挺,等 . 基于峭度谱的口环碰摩声特征提取与试验验证[ J ] . 排灌机械工程学报, 2023 ,41 ( 5 ): 445-453.

[ 11 ] 边杰,梅庆,陈亚农,等 .CS-VMD 与 Teager 包络谱在齿轮故障特征提取中的应用[ J ] . 浙江工业大学学报,2021 , 49 ( 5 ): 558-563.

[ 12 ] 李云淏,咸日常,张海强,等 . 基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法[ J ] . 电网技术, 2023 , 47 ( 4 ): 1470-1478.

[ 13 ] 庞聪,廖成旺,江勇,等 . 基于最小二乘支持向量机与熵特征的地震事件性质辨识研究[ J ] . 大地测量与地球动力学,2022 , 42 ( 6 ): 655-660.

[ 14 ] 黎政,吴胜利,邢文婷,等 . 基于 MGAN 和 CNN 的齿轮故障智能诊断方法[ J ] . 机械传动, 2022 , 46 ( 7 ): 144-150 , 157.

[ 15 ] 庞晓霞,王强,张峰 . 基于 GA-ACO 优化 BP 算法的齿轮箱初期故障诊断研究[ J ] . 中国工程机械学报,2022 , 20 ( 6 ): 547-551.

备注/Memo:: 收稿日期: 2023-11-02
作者简介:马骁 ( 1976- ),男,山西汾西人,学士,正高级经济师,高级工程师,研究方向为新能源资产经营管理、电力调度与运营;韦存海 ( 1980- ),男,山东滕州人,学士,正高级工程师,研究方向为电力生产技术管理;李跃朋 ( 1989- ),男,河北新乐人,学士,工程师,研究方向为新能源运行维护;赵亮 ( 1989- ),男,河北沧州人,学士,工程师,研究方向为综合智慧能源产业政策及技术;焦波 ( 1995- ),男,河北邯郸人,学士,初级工程师,研究方向为新能源产业创新。

更新日期/Last Update: 2024-09-02