基于AR-MOMEDA的车辆齿轮箱故障诊断方法

简介

在齿轮箱故障诊断过程中,多点最优最小熵反褶积(MOMEDA)能够连续提取周期脉冲,对信号的处理效率优于传统的最小熵反褶积(MED)。但MOMEDA在故障诊断中抗噪声能力差,故障频率容易淹没在噪声中,导致错误诊断。为此首先对振动信号进行预处理,将振动信号分为高频含噪分量以及低频剩余分量;然后提出一种AR-MOMEDA算法,对高频信号分量进行降噪。仿真实验以及工程应用结果表明,该方法比传统的MOMEDA更能够有效地提取故障特征,具有较强的抗噪能力。