针对复杂工况下齿轮箱多故障信号诊断准确率低的问题,提出了一种基于混合特征和堆栈稀疏自编码器的齿轮箱故障诊断方法。从微观信号特征角度提取奇异值特征和小波分解后的样本熵特征;从宏观角度提取故障信号时域特征,将3种特征进行融合,并输入到由稀疏自编码和Softmax堆栈得到的深度神经网络中进行特征优化和分类识别。实验结果表明:在2种不同工况下,对6种齿轮箱故障数据进行诊断均表现出较高分类识别精度,且所构建的分类模型综合性能上均高于文中其他对比模型,因此本文作者所提出的方法能有效地进行齿轮箱故障诊断。

变频装置作为目前广泛采用的一种节能驱动电路,因其调速性能良好,在工业领域特别是机床和机器人自动控制方面得到了广泛应用。变频装置由非线性开关半导体元件构成,引起输出电流含有多次谐波,而常规变频器并未对谐波进行抑制。针对变频器产生的高次谐波,提出一种在SPWM正弦信号中注入高次谐波补偿信号的方法,从而对特定次谐波进行抑制。通过MATLAB/Simulink仿真和实验验证此方法能够降有效去除特定次谐波,降低谐波畸变率,提高输出电流电能质量。