基于ASMVMD和MOMEDA的齒輪特征提取方法

摘要： 針對(duì)齒輪信號(hào)易被強(qiáng)噪聲干擾，導(dǎo)致?lián)p傷特征難以提取的問題，提出了一種基于自適應(yīng)逐次多元變分模態(tài)分解(ASMVMD)和多點(diǎn)最優(yōu)最小熵解卷積(MOMEDA)的齒輪故障特征提取方法。首先，采用加權(quán)黑猩猩優(yōu)化算法對(duì)SMVMD分解參數(shù)進(jìn)行了自適應(yīng)尋優(yōu)，以SMVMD分解后各個(gè)通道的所有分量的平均包絡(luò)譜峰值因子(Ec)之和的相反數(shù)作為尋優(yōu)的適應(yīng)度函數(shù)，確定了最大懲罰因子α和最大分解模態(tài)數(shù)k的最... （共11頁(yè)）