-
题名基于电机电流经验模态分解的行星轮故障诊断
被引量：6
- 1
-
-
作者
门兰城
庞新宇
李峰
刘利平
-
机构
太原理工大学机械与运载工程学院
阳煤集团
-
出处
《机械设计与制造》
北大核心
2021年第4期39-42,47,共5页
-
基金
基于振动与电机电流信息融合的转子系统载荷识别及故障诊断方法(51475318)。
-
文摘
在故障诊断领域,电机电流信号分析法(MCSA)已经逐渐应用于齿轮故障诊断中,但该方法在诊断行星轮缺齿故障时由于电流基频干扰较大,导致故障特征不明显,难以实现故障诊断。因此提出一种基于电流信号经验模态分解(EMD)的故障诊断方法。通过对电机电流信号进行EMD分解,选取合适的IMF分量经傅立叶变换求其频谱图,根据频谱图中是否存在与故障特征频率相关的频率,实现了对行星轮缺齿故障的有效诊断。并通过实验分析,验证了该方法的有效性。
-
关键词
故障诊断
行星轮
经验模态分解(EMD)
电机电流
-
Keywords
Fault Diagnosis
Planetary Wheel
Empirical Mode Decomposition(EMD)
Motor Current
-
分类号
TH16
[机械工程—机械制造及自动化]
TH17
[机械工程—机械制造及自动化]
-
