OMA和QICA技术在齿轮箱故障诊断中的应用  

Study on the Application of OMA and QICA in Gearbox Fault Diagnosis

作　　者：张睿[1,2,3,4] 黄晋英[4] 张永梅[5] 王佳[4] 张文栋[1,2] 

机构地区：[1]中北大学电子测试国家重点实验室,山西太原030051 [2]中北大学仪器科学与动态测试教育部重点实验室,山西太原030051 [3]中北大学信息与通信工程学院,山西太原030051 [4]中北大学机械与动力工程学院,山西太原030051 [5]北方工业大学信息工程学院,北京100144

出　　处：《机械传动》2014年第1期87-91,共5页Journal of Mechanical Transmission

基　　金：国家自然科学基金资助(50875247;61371143);山西省自然科学基金项目(2009011026-1)

摘　　要：通过对齿轮箱振动机理学习和LMS齿轮箱模态实验分析,运用工作模态分析技术(OMA)进行了齿轮箱故障诊断的研究,并针对实验得到的振动信息存在信噪比低、信号混叠等问题,引入了量子独立分量分析(QICA)理论,即将量子优化原理应用于独立分量分析中的改进算法,并提出了基于量子独立分量分析方法的信号特征提取计算,用BP神经网络进行识别,达到故障诊断目的。Through the gearbox vibration mechanism study and the LMS modal experiment analy- sis, using the operational modal analysis （OMA）, the study of gearbox failure diagnosis is carried out. Considering the existing problems of low SNR（signal to noise ratio） and signal aliasing in the vibration diagnosis experiment, the quantum independent component analysis （QICA） theory is introduced, which is an improved algorithm that applies quantum optimization theory on independent component analysis. Meanwhile, the signal feature extraction method based on QICA is proposed, and the purpose of fault diagnosis is achieved by using BP neuro network identification.

关 键 词：齿轮箱 工作模态分析 量子独立分量分析 BP神经网络 故障诊断 

分 类 号：TH132.41[机械工程—机械制造及自动化]