利用经验模态分解进行齿轮箱故障特征提取（2014年）

简介：
本文于2014年发表，探讨了通过经验模态分解技术来有效识别和提取齿轮箱在运行过程中产生的复杂信号中的故障特征。该方法能够增强对机械设备健康状态的监测与诊断能力，为预测性维护提供关键数据支持。 通过应用小波去噪阈值法对齿轮箱故障振动信号进行处理，并结合经验模态分解（EMD）与快速傅里叶变换（FFT），能够有效提取出非线性及非稳态条件下的特征信息，这种方法特别适用于此类复杂情况的自适应分析。首先采用小波阈值去噪技术对原始数据进行预处理，随后将净化后的信号通过经验模态分解获得若干个本征模态函数（IMF），再从这些IMF中挑选出特定分量并利用FFT计算其功率谱，以此来识别齿轮箱故障的特征频率。实验分析显示该方法能够准确地检测到齿轮箱故障特有的振动模式和频率。