提取声学信号识别与盲解卷积算法的齿轮箱故障的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113792657A(43)申请公布日2021.12.14(21)申请号202111079709.1(22)申请日2021.09.15(71)申请人西华大学地址610000四川省成都市金牛区土桥金周路999号(72)发明人王宇赵强罗锋孙华冯志明(74)专利代理机构成都方圆聿联专利代理事务所(普通合伙)51241代理人王悦(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G01M13/028(2019.01)权利要求书2页说明书3页附图3页(54)发明名称提取声学信号识别与盲解卷积算法的齿轮箱故障的方法(57)摘要本发明公开了提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，S1：利用传声器接收机械系统观测通道；S2：对观测通道输出的结果进行分帧，求取平均功率，并与噪声功率相减；S3：将经过S2处理后信号进行奇偶截取，得到截取拓展信号；S4：对截取拓展信号进行预处理，使用盲源分离算法对截取拓展信号进行分离；S5：对分离的结果密度峰值聚类，将同类分离结果归为一类；S6：计算各类中信号与聚类中心的距离，分别筛选出距离各聚类中心最近的多个分离结果，可在不适合测量振动信号与采样长度较短的情况下使用，对机械声信号进行故障特征提取和诊断。CN113792657ACN113792657A权利要求书1/2页1.提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，包括以下步骤：S1：利用传声器接收机械系统观测通道；S2：对观测通道输出的结果进行分帧，求取平均功率，并与噪声功率相减；S3：将经过S2处理后信号进行奇偶截取，得到截取拓展信号；S4：对截取拓展信号进行预处理，使用盲源分离算法对截取拓展信号进行分离；S5：对分离的结果密度峰值聚类，将同类分离结果归为一类；S6：计算各类中信号与聚类中心的距离，分别筛选出距离各聚类中心最近的多个分离结果；S7：根据筛选出的分离结果与其聚类中心的距离，计算各筛选结果所占比重，并将各筛选结果赋权融合，得到重构结果；S8：分析重构结果频域幅值谱中的故障信息。2.根据权利要求1所述的提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，所述S2包括以下子步骤：S21：初始化观测通道分帧数z，并对每帧信号加汉明窗；S22：对加汉明窗后的信号帧进行快速傅里叶变换，并求各帧信号功率谱；S23：根据各帧信号功率谱求取平均噪声功率，进行谱减运算，得到减噪信号d(t)。3.根据权利要求1所述的提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，所述S3包括以下子步骤：S31：初始化奇偶截取长度H；S32：根据奇偶截取长度H对减噪信号d(t)进行奇偶截取，生成截取拓展信号4.根据权利要求1所述的提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，所述S4包括以下子步骤：S41：对截取拓展信号进行去均值和白化处理以使各信号统计独立，得到处理后数据S42：对处理后数据执行二阶盲辨识算法，借助该算法分离时对信号低频成分中的微弱故障进行提取，得到分离结果g(t)。5.根据权利要求1所述的提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，所述S5包括以下子步骤：S51：自适应聚类数目P；S52：使用密度峰值聚类算法，将分离结果g(t)分为P类。6.根据权利要求1所述的提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，所述S6包括以下子步骤：S61：计算各类中分离结果与各聚类中心的欧氏距离di，其计算公式为：其中，为聚类中心，xik为某类中分离结果，n为信号长度；2CN113792657A权利要求书2/2页S62：根据各类中信号数量自适应设置筛选数目B，从各类中根据分离结果与聚类中心的欧氏距离di，分别筛选出欧氏距离di较小的B个分离结果mi(t)。7.根据权利要求1所述的提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，所述S7包括以下子步骤：S71：根据各类中筛选出的分离结果mi(t)欧氏距离di的大小，计算各筛选结果mi(t)在重构信号时所占的比重Ui，其计算公式为：其中，dsum为各di相加的和；S72：将重构信号时所占比重Ui的各筛选结果mi(t)进行融合重构，获得重构结果Yp(t)，其计算方法为：其中，p表示第几类分离结果。3CN113792657A说明书1/3页提取声学信号识别与盲解卷积算法的齿轮箱故障的方法技术领域[0001]本发明属于齿轮箱多故障提取方法领域，具体为提取声学信号识别与盲解卷积算法的齿轮箱故障的方法。背景技术[0002]机械声信号由机械设备振动产生，与机械振动信号同根同源，蕴含着相同的信息。当机械系统如齿轮或轴承出现故障