基于EEMD-Treelet和高斯过程的起重机齿轮故障诊断

来源：计算机测量与控制杂志2021年第7期北京时间：

作者：李勇,钱尼君,陈星斌,黄荔生,彭献永

单位：江西省特种设备检验检测研究院

摘要：齿轮故障诊断对于起重机安全运行至关重要。本文提出了一种基于集成经验模态分解(Ensemble empirical mode decomposition, EEMD)-Treelet变换和高斯过程(Gaussian Process, GP)的起重机齿轮故障诊断新方法。设计一种细菌觅食算法(Bacterial foraging optimization, BFO)优化高斯过程模型超参数。建立基于集成经验模态分解-希尔伯特变换的多模态时频分布特征提取方法,利用Treelet变换实现齿轮振动信号特征降维。建立基于细菌觅食算法优化高斯过程的齿轮故障模型。实验结果表明, EEMD-Treelet- GP诊断方法不仅可以识别最佳特征向量,而且可以识别故障位置。

关键词：集成经验模态分解，希尔伯特变换，Treelet变换，高斯过程，故障诊断

基金资助：国家自然科学基金项目（面上项目，重点项目，重大项目）