基于DT-CWT和MED的齿轮箱轴承早期故障诊断

摘要

针对齿轮箱轴承早期故障特征信号微弱且受环境噪声影响严重,故障特征信息难以识别的问题,提出了双树复小波变换(Dual-Tree Complex Wavelet Transform,DT-CWT)和最小熵反褶积(Minimum Entropy Deconvolution,MED)的故障诊断方法.首先对采集到的振动信号进行双树复小波分解,得到几个不同频段的分量,由于噪声的干扰,从各个分量的频谱中很难对故障做出正确的判断.然后对包含故障特征的分量进行最小熵反褶积滤波处理以消除噪声影响,凸显故障特征信息.最后对滤波后的信号进行Hilbert包络谱分析,即可从中准确地识别出轴承的故障特征频率.通过对齿轮箱轴承故障实验数据的分析,验证了该方法的有效性与优越性.