基于数学形态滤波与LMD的农用电机齿轮故障诊断

由于农用电机中的齿轮运行环境恶劣,早期故障的不易发现,鉴于故障振动信号的非平稳性、非线性,并存在于大量的噪声信号中,很难提取故障特征。该研究采用数学形态滤波与局域均值分解相结合的方法。通过多结构多尺度数学形态滤波器对齿轮故障振动信号进行背景噪声滤除和振动信号提取,结合局域均值分解对信号进行处理,进而提取能量特征参数,并作归一化处理,最后采用BP神经网络对齿轮的各种运行状态进行分类识别。通过分析齿轮的正常状态,磨损和断齿与基于LMD分解的诊断结果作比较,该方法的故障识别率高于基于LMD和神经网络。