一種行星齒輪微弱故障特征信息提取方法
【專利摘要】本發(fā)明公開了一種基于改進總體平均經(jīng)驗模態(tài)分解和自適應隨機共振的行星齒輪微弱故障特征信息提取方法。包括振動信號采集、故障特征信息有效IMF提取和基于自適應隨機共振微弱故障特征提取。該方法可提取行星齒輪故障產(chǎn)生的微弱故障特征信息，并根據(jù)提取的微弱故障特征信息實現(xiàn)行星齒輪故障診斷，是一種有效的行星齒輪微弱故障特征信息提取方法。
【專利說明】一種行星齒輪微弱故障特征信息提取方法

【技術(shù)領域】
[0001] 本發(fā)明屬于行星齒輪故障診斷【技術(shù)領域】，具體涉及一種基于改進總體平均經(jīng)驗模 態(tài)分解和自適應隨機共振的行星齒輪微弱故障特征信息提取方法。

【背景技術(shù)】
[0002] 行星齒輪傳動具有體積小、重量輕、傳動比大的優(yōu)點，被廣泛應用于大型復雜機械 低速重載場合。行星齒輪傳動相比定軸齒輪傳動，是一個強非線性系統(tǒng)，由于行星齒輪傳動 系統(tǒng)的工況條件、內(nèi)部參數(shù)變化、行星齒輪安裝誤差和制造誤差、多齒嚙合及傳遞路徑影響 導致出現(xiàn)較多的調(diào)幅與調(diào)頻現(xiàn)象，表現(xiàn)出更強烈的非線性、非平穩(wěn)特性。同時由于行星齒輪 傳動經(jīng)常工作在惡劣的工作環(huán)境之下，經(jīng)常受到噪聲干擾，特征信息提取比較困難，特別當 齒輪發(fā)生早期故障時，故障特征信息十分微弱，甚至被掩埋在外界噪聲中。因此如何有效檢 測行星齒輪傳動產(chǎn)生的微弱故障特征信息是目前研宄的關鍵。
[0003] 在實際的行星齒輪傳動過程中，存在很多復雜的干擾信號和外界噪聲，這些復雜 的外界干擾會把早期的弱小故障特征信息淹沒。EMD分解存在2個主要的缺點即端點效應 和模態(tài)混疊，端點效應會嚴重影響MF分量的質(zhì)量，模態(tài)混疊將使IMF失去其本身的物理含 義，甚至產(chǎn)生虛假分量，目前解決這兩個問題的主要方法分別是端點延拓和基于高斯白噪 聲頻率均一特性的EEMD分解。經(jīng)過分解齒輪故障產(chǎn)生的主要故障特征信息一般被分解到 多個本征模態(tài)函數(shù)中，故需篩選出包含主要故障特征信息的有效頂F。但是由于行星齒輪 傳動非常復雜，即使在包含主要故障特征信息的MF中，故障特征信息仍然十分微弱。目 前微弱故障特征信息的提取方法主要分為兩種，一種為對原始信號進行降噪處理，其中降 噪處理會錯誤的消除一定的故障特征信號；另外一種是利用噪聲提高信噪比來檢測微弱信 號，主要方法利用隨機共振（StochasticResonance，SR)理論。隨機共振理論利用非線性 系統(tǒng)，在輸入信號和噪聲的協(xié)同作用下，會產(chǎn)生類似力學中的共振輸出，達到增強弱信號的 目的。隨機共振由于其在檢測微弱信號方面的優(yōu)勢，是近年來的研宄熱點，但是隨機共振由 于受到絕熱近似及線性響應理論影響，導致該方法只適用處理小參數(shù)信號，針對這一問題， 很多學者都做了相應研宄。然而已有的隨機共振方法人為主觀選擇系統(tǒng)參數(shù)或只對單一參 數(shù)進行自適應優(yōu)化，忽略了各個參數(shù)之間的交互作用，導致隨機共振在微弱特征提取中的 優(yōu)勢未能充分發(fā)揮。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服以上問題，提供一種基于改進總體平均經(jīng)驗模態(tài)分解和自 適應隨機共振的行星齒輪微弱故障特征信息提取方法。該方法通過提取比較被淹沒的不同 齒輪狀態(tài)所產(chǎn)生的故障特征信息，可實現(xiàn)行星齒輪故障診斷，是一種有效的行星齒輪微弱 故障特征彳目息提取方法。
[0005] 本發(fā)明提供一種基于改進總體平均經(jīng)驗模態(tài)分解和自適應隨機共振的行星齒輪 微弱故障特征信息提取方法，包括以下步驟：
[0006] 利用加速度傳感器測量行星齒輪殼體的原始振動信號，得到的原始振動信號包 括行星傳動太陽輪正常狀態(tài)、斷齒狀態(tài)和齒根裂紋三種類型。
[0007] 將原始振動信號進行分解，得到IMF分量。利用改進EEMD對原始振動信號進行分 解，首先利用回歸SVM對行星齒輪原始振動信號進行延拓，然后利用EEMD對SVM延拓信號 進行分解，分解結(jié)束后去除各MF分量的SVM延拓部分，得到抑制了端點效應、模態(tài)混疊程 度低的高純度IMF分量。
[0008]MF分量處理得到有效MF。聯(lián)合FFT，定義故障特征頻率信息信噪比即：故障特 征頻率及其邊頻功率與噪聲信號功率的比值。計算各高純度頂F分量的故障特征頻率信息 信噪比，提取故障特征頻率信息信噪比最高的4個MF分量作為包含主要故障特征信息的 有效頂F。
[0009] 重構(gòu)4個有效MF，對重構(gòu)信號進行預處理，采用移頻變尺度處理，使其符合隨機 共振小參數(shù)要求。
[0010] 采用粒子群優(yōu)化算法以隨機共振輸出信號信噪比作為適應度值，對隨機共振系統(tǒng) 參數(shù)a和b進行優(yōu)化，構(gòu)建最優(yōu)的自適應隨機共振系統(tǒng)。
[0011] 將移頻變尺度的重構(gòu)信號（有效IMF)輸入到自適應隨機共振系統(tǒng)進行輸出，采用 龍格庫塔算法求解非線性隨機微分方程，根據(jù)自適應隨機共振系統(tǒng)輸出有效提取出行星齒 輪產(chǎn)生的微弱故障特征信息，并根據(jù)故障特征信息區(qū)分行星齒輪故障類型。
[0012] 改進EEMD分解過程如下：
[0013] (1)利用回歸SVM進行信號延拓，延拓長度為原始振動信號的1/8 ;
[0014] (2)選擇加入白噪聲次數(shù)M，并確定所加噪聲的幅值；
[0015] (3)得到加入第m次白噪聲的原始振動信號；
[0016] (4)對加入白噪聲的振動信號進行EMD分解，得到I個IMF;
[0017] (5)如果m〈M，m=m+1，再次進行步驟⑵和（3)，直到m=M;
[0018] (6)計算M次加入噪聲分解的每一個MF的總體平均
[0019]

【權(quán)利要求】
1. 一種行星齒輪微弱故障特征信息提取方法，其特征在于，包括以下步驟： 測量行星齒輪殼體的原始振動信號； 將所述原始振動信號進行分解，得到IMF分量； 將所述MF分量處理得到有效頂F; 將所述有效頂F重構(gòu)； 構(gòu)建自適應隨機共振系統(tǒng)； 利用所述重構(gòu)的有效IMF通過所述自適應隨機共振系統(tǒng)提取行星齒輪微弱故障特征 信息； 根據(jù)所述故障特征信息區(qū)分行星齒輪故障類型。
2. 如權(quán)利要求1所述的一種行星齒輪微弱故障特征信息提取方法，其特征在于：所述 行星齒輪殼體原始振動信號用加速度傳感器測定，所述原始振動信號包括行星傳動太陽輪 正常狀態(tài)、斷齒狀態(tài)和齒根裂紋三種類型。
3. 如權(quán)利要求1或2所述的一種行星齒輪微弱故障特征信息提取方法，其特征在于： 所述原始振動信號進行分解方法為利用改進EEMD分解，首先利用回歸SVM對所述行星齒輪 原始振動信號進行延拓，然后利用EEMD對所述SVM延拓信號進行分解，分解結(jié)束后去除各 頂F分量的SVM延拓部分，得到抑制了端點效應、模態(tài)混疊程度低的純凈MF分量。
4. 如權(quán)利要求3所述的一種行星齒輪微弱故障特征信息提取方法，其特征在于，所述 改進EEMD分解具體過程如下： (1) 利用回歸SVM進行信號延拓，延拓長度為原始振動信號的1/8 ; (2) 選擇加入白噪聲次數(shù)M，并確定所加噪聲的幅值； (3) 得到加入第m次白噪聲的原始振動信號； (4) 對加入白噪聲的振動信號進行EMD分解，得到I個IMF; (5) 如果m〈M，m=m+1，再次進行步驟⑵和（3)，直到m=M; (6) 計算M次加入噪聲分解的每一個IMF的總體平均； (7) 去除各MF的SVM延拓部分。
5. 如權(quán)利要求1、2或4任一項所述的一種行星齒輪微弱故障特征信息提取方法，其特 征在于，所述MF分量處理得到有效MF步驟為，聯(lián)合FFT，定義故障特征頻率信息信噪比 為故障特征頻率及其邊頻功率與噪聲信號功率的比值，計算各高純度頂F分量的故障特征 頻率信息信噪比，提取故障特征頻率信息信噪比最高的4個MF分量作為包含主要故障特 征信息的有效頂F，所述信噪比公式為：
式中Saj為信號在故障特征頻率&及其邊頻帶的功率；為噪聲信號功率。
6. 如權(quán)利要求5所述的一種行星齒輪微弱故障特征信息提取方法，其特征在于：所述 有效IMF重構(gòu)的步驟為，對所述重構(gòu)信號采用移頻變尺度處理，使其符合隨機共振小參數(shù) 要求。
7. 如權(quán)利要求1或6所述的一種行星齒輪微弱故障特征信息提取方法，其特征在于： 所述構(gòu)建自適應隨機共振系統(tǒng)步驟為，采用粒子群優(yōu)化算法以隨機共振輸出信號信噪比作 為適應度值，對隨機共振系統(tǒng)參數(shù)a和b進行優(yōu)化，構(gòu)建最優(yōu)的自適應隨機共振系統(tǒng)。
8.如權(quán)利要求7所述的一種行星齒輪微弱故障特征信息提取方法，其特征在于：所述 提取行星齒輪微弱故障特征信息步驟為，將移頻變尺度的重構(gòu)信號輸入到自適應隨機共振 系統(tǒng)進行輸出，采用龍格庫塔算法求解非線性隨機微分方程，根據(jù)自適應隨機共振系統(tǒng)輸 出有效提取出行星齒輪產(chǎn)生的微弱故障特征信息，隨機共振系統(tǒng)采用雙穩(wěn)系統(tǒng)Langevin
【文檔編號】G01M13/02GK104483127SQ201410568365
【公開日】2015年4月1日 申請日期:2014年10月22日 優(yōu)先權(quán)日:2014年10月22日
【發(fā)明者】程剛, 陳曦暉, 劉曉樂, 山顯雷, 劉后廣 申請人:徐州隆安光電科技有限公司