基于OSGMD-Hilbert包络对数分析的齿轮箱齿面磨损早期故障诊断

来源：振动与冲击杂志2025年第7期北京时间：

作者：俞香熔，王友仁wangyrac@nuaa，王胤博

单位：1.南京航空航天大学自动化学院，南京211106；2.上海交通大学机械与动力工程学院机械系统与振动国家重点实验室，上海200240

摘要：针对环境噪声下齿轮箱齿面磨损早期微弱故障特征难以提取的问题，提出了一种基于优化型辛几何模态分解（optimized symplectic geometry mode decomposition，OSGMD）-Hilbert包络对数分析的齿轮磨损故障诊断方法。新方法中引入Cao算法和功率谱密度，提出最近邻波动偏差实现嵌入维数的自适应确定，利用奇异值分解进行降噪，采用Pearson-功率谱熵差和闵氏距离作为重构准则以获取特征模态分量，通过Hilbert包络对数分析法突出故障频率成分，并进行故障诊断。该新方法克服了辛几何模态分解嵌入维数依赖经验公式、重构准则单一和噪声鲁棒性欠佳的缺陷。仿真与实验结果分析表明，与辛几何模态分解（symplectic geometric mode decomposition，SGMD）、迭代SGMD、 变分模态分解(variational mode decomposition，VMD)和经验模态分解（empirical mode decomposition，EMD）相比，该新方法能够有效提取早期齿面磨损故障特征信息，表现出更好的鲁棒性。<br>

关键词：早期故障诊断；振动信号特征信息提取；优化型辛几何模态分解（OSGMD）；齿轮磨损；Hilbert包络对数分析法