5、时频特征与PSO - SVM在行星齿轮箱故障诊断中的应用及模糊自适应控制的风力发电变桨直流伺服系统

时频特征与PSO - SVM在行星齿轮箱故障诊断中的应用及模糊自适应控制的风力发电变桨直流伺服系统

行星齿轮箱故障诊断新方法

行星齿轮箱由于其紧凑的结构、大传动速比和强承载能力，在冶金、采矿、起重运输和航空航天等行业得到了广泛应用。然而，其运动复杂，振动信号呈现非平稳、非线性且易发生信号调制的特点，关键部件如齿轮和轴承容易发生故障。及时诊断关键部件的故障信息，能有效避免机械设备停机造成的损失和事故。

目前，针对复杂振动信号的故障诊断方法众多，但都存在一定局限性。例如，朱等人提出的改进经验小波变换方法需要丰富的理论知识；毕等人基于频率切片小波变换的方法也需要大量先验知识，实际应用困难；娄等人的PSO - SVM方法仅适用于少数几种固定轴齿轮箱故障；李等人结合多重分形谱和SVM的方法未考虑所有关键部件的故障诊断。

本文提出了一种新的故障诊断方法：
1. STFT分析振动信号 ：对于行星齿轮箱非平稳的振动信号，传统的傅里叶变换（FT）在分析时无法同时获取时间和频率信息，因此采用短时傅里叶变换（STFT）。STFT通过窗口函数将原始信号函数划分为多个时间段，对每个时间段的信号函数进行FT。其计算公式为：
- (STFT{x[n]}(m,\omega)\triangleq X(m,\omega)=\sum_{n = -\infty}^{\infty}x[n]w[n - m]e^{-j\omega n})
其中，(w[n - m])是以(m)为中心的窗口函数，(x[n])是待变换的时域信号。在STFT过程中，窗口长度决定了时间和频率域的相对分辨率，需根据实际需求在时间分辨率和频率分辨率之间进行选择。在齿轮箱故障诊断中，通常以