基于STOA-VMD结合相关峭度及2.5维谱的行星齿轮箱磨损故障诊断

摘要

针对行星齿轮箱振动信号的非线性特征明显、故障特征难以识别的问题,提出了一种基于乌燕鸥算法(sooty tern optimization algorithm, STOA)优化变分模态分解(variational modal decomposition, VMD),并结合相关峭度以及2.5维谱的故障诊断方法。由于变分模态分解的分解能力取决于二次惩罚因子α和本征模态分量个数K两个参数,所以首先运用乌燕鸥算法对VMD参数进行优化,确定最优的参数,然后以相关峭度为依据重构本征模态分量,最后利用2.5维谱对重构信号进行分析。搭建了行星齿轮箱磨损故障加速疲劳寿命试验台,获得了故障数据,运用STOA-VMD结合相关峭度及2.5维谱的方法对故障数据进行分析。结果表明该方法能够准确提取磨损故障特征频率。