基于循环平稳分析的齿轮磨损退化状态监测
CSTR:
作者:
作者单位:

1西安交通大学精密微纳制造技术全国重点实验室 西安,710054;2西安交通大学机械工程学院 西安,710049;3西北工业大学光电与智能研究院 西安,710072

作者简介:

冯珂,男,1992年2月生,博士、教授、博士生导师。主要研究方向为数字孪生、智能运维及大模型分析技术,涵盖数字孪生、信号处理、故障诊断和疲劳磨损分析等领域。国家级青年人才、玛丽居里学者、全球前2%顶尖科学家,曾在英属哥伦比亚大学、新加坡国立大学和帝国理工学院等任职。2023年荣获皇家物理协会会刊评选的“新锐科学家”称号。以第一作者或通信作者发表SCI论文60余篇,现担任《IEEE Transactions on Industrial Informatics》、《Information Fusion》、《IEEE Internet of Things Journal》、《Structural Health Monitoring》等国际期刊的副主编及编委。主持国家自然科学基金优青项目(海外)、国家自然科学基金面上项目和国家重点研发计划课题等,主持的国际合作项目包括Horizon Europe和UKRI等。曾获“中国航空学会科技奖二等奖”和“振动工程学会科学技术奖二等奖”。 E-mail: kefeng@xjtu.edu.cn; ke.feng@outlook.com.au

通讯作者:

倪清,女,1994年7月生,博士、教授。主要研究方向为智能运维、大模型、物理信息神经网络、数字孪生及信号处理等。 E-mail: qing.ni@nwpu.edu.cn

中图分类号:

TH165.3;TH132.41

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    基于振动信号的循环平稳分析方法为齿轮磨损在线监测提供了理论依据,但在冲击、变载等非高斯噪声的实际复杂工况下,该方法对微弱磨损特征的提取能力有限。为突破这一瓶颈,提出了一种基于循环平稳分析的齿轮磨损退化状态监测方法,通过构建齿轮磨损的循环平稳模型,建立了在强非高斯干扰下有效提取微弱磨损特征的完整监测方法框架。首先,采用阶次跟踪方法对振动信号进行角度域重采样,消除转速波动影响;其次,使用离散/随机分离(discrete/random separation,简称DRS)方法去除信号中的确定性成分,保留包含磨损信息的残差信号;最后,通过期望最大化(expectation maximization,简称EM)算法估计残差信号分布的形状参数,据此构建磨损监测指标,并基于该指标变化趋势对齿轮磨损退化演变过程进行跟踪。结果表明,与经典方法相比,所提出方法不仅能有效表征由齿面微观形貌改变引起的微弱非平稳特征,更能稳定跟踪早期微观磨损的演化过程,从而实现对齿轮早期磨损的高效识别和监测,在复杂工况下表现出优异的鲁棒性和可靠性。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文
分享
相关视频

文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2026-04-20
  • 出版日期: 2024-04-30
文章二维码
您是第位访问者
振动、测试与诊断 ® 2026 版权所有
技术支持:北京勤云科技发展有限公司