实现齿轮箱混合故障信号盲源分离方法.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CN107255563A(43)申请公布日2017.10.17(21)申请号201710504367.0(22)申请日2017.06.28(71)申请人石家庄铁道大学地址050043河北省石家庄市北二环东路17号申请人西安创富电子科技有限公司(72)发明人郝如江安雪君史云林李代勇沈英明李辉(74)专利代理机构石家庄轻拓知识产权代理事务所(普通合伙)13128代理人王占华(51)Int.Cl.G01M13/02(2006.01)权利要求书2页说明书6页附图6页(54)发明名称实现齿轮箱混合故障信号盲源分离方法(57)摘要本发明公开了一种实现齿轮箱混合故障信号盲源分离方法，涉及齿轮箱混合故障盲源分离诊断方法技术领域。所述方法包括如下步骤：对采集到的单通道齿轮箱混合故障信号进行EMD预处理；利用白噪声统计特征及峭度值结合方法选取IMF分量，作为有效的振动模式分量；对所选取的IMF分量重构分组，作为盲源分离的输入信号，结合CICA算法进行混合信号盲源分离，提取出感兴趣的故障信号；对经CICA方法分离得出的感兴趣的故障信号进行Hilbert包络分析，获取其包络谱，诊断出混合故障中感兴趣的故障特征，实现盲源分离。所述方法可实现盲源分离单通道扩展，提取感兴趣的故障信号。CN107255563ACN107255563A权利要求书1/2页1.一种实现齿轮箱混合故障信号盲源分离方法，其特征在于包括如下步骤：对采集到的单通道齿轮箱混合故障信号进行EMD预处理；利用白噪声统计特征及峭度值结合方法选取IMF分量，作为有效的振动模式分量；对所选取的IMF分量重构分组，作为盲源分离的输入信号，结合CICA算法进行混合信号盲源分离，提取出感兴趣的故障信号；对经CICA方法分离得出的感兴趣的故障信号进行Hilbert包络分析，获取其包络谱，诊断出混合故障中感兴趣的故障特征，实现盲源分离。2.如权利要求1所述的实现齿轮箱混合故障信号盲源分离方法，其特征在于，所述方法中通过单个加速度传感器采集单通道齿轮箱混合故障信号。3.如权利要求1所述的实现齿轮箱混合故障信号盲源分离方法，其特征在于，所述的对采集到的单通道混合故障信号进行EMD预处理的方法如下：基于白噪声统计特性提取机械振动模式，对任意归一化白噪声时间序列nm，m＝1，…，N，进行EMD分解后表示为N为自然数，白噪声序列经过EMD分解后，共分解为w个IMF分量，cl(m)为第l个IMF分量。4.如权利要求3所述的实现齿轮箱混合故障信号盲源分离方法，其特征在于所述的利用白噪声统计特征及峭度值结合方法选取IMF分量，作为有效的振动模式分量的方法如下：定义cl(m)的能量密度为cl(m)的傅立叶谱所对应的平均周期为经过公式推导得出EMD分解得到的任意IMF的能量密度与平均周期之间的关系为对式两边取以e为底的对数，得到各IMF的能量密度与平均周期对数值理想关系式作出能量密度与平均周期对数二维关系图；计算白噪声EMD分解后得到的各IMF分量的平均周期和能量密度对数，散点表示在二维关系图中；归一化白噪声IMF的能量密度服从正态分布，自由度等于平均能量；因此，对于归一化白噪声时间序列的任意cl(m)，lnEl的置信区间为在所述二维关系图中用虚线作出置信水平为99％条件下的置信区间，将此图作为基于白噪声统计特性选取IMF分量的模板；将单通道采集到的等长度混合信号进行EMD分解，计算各IMF分量的平均周期和能量密度对数，将散点图表示在白噪声统计特性模板中；将落在置信区间内或边界上的IMF分量作为高频噪声和低频虚假分量去除，而落在置信区间以外的各IMF分量代表的就是实际的机械振动模式；计算各IMF分量的峭度值，当IMF分量的峭度值大于3时，表示IMF分量中含有较多的冲击成分，将此原则与白噪声统计特性相结合，对IMF分量进行选取。5.如权利要求1所述的实现齿轮箱混合故障信号盲源分离方法，其特征在于所述的结2CN107255563A权利要求书2/2页合CICA算法进行混合信号盲源分离，提取出感兴趣的故障信号的方法如下：基于已知轴承及齿轮的故障信号特征频率，构造参考脉冲信号r(t)，定义待提取的独立成分y和参考信号r(t)的距离函数为ε(y,r)；则有以下不等式：*其中：w是欲抽取的独立成分对应的最优解混向量，wi(i＝1,2,…,l-1)是其它独立成分对应的解混向量；则下述的约束函数有且只有在y＝w*Tx时为真：g(y)＝ε(y,r)-ξ≤0其中：为阈值参数，把g(y)的表达式代入，得到约束独立成分算法，即CICA算法如下：maxJ(y)≈ρ{E[G(y)]-E[G(v)]}2式中：J(y)表示关于负熵的目标函数；g(y)是约束函数；h(y)和h(r)分别是使约