基于盲源分离的齿轮箱复合故障诊断方法.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CN107192553A(43)申请公布日2017.09.22(21)申请号201710504368.5(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)发明人郝如江史云林安雪君李代勇沈英明李辉(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7页附图6页(54)发明名称基于盲源分离的齿轮箱复合故障诊断方法(57)摘要本发明公开了一种基于盲源分离的齿轮箱复合故障诊断方法，涉及齿轮箱故障诊断方法技术领域。所述方法利用单个加速度传感器采集齿轮箱振动信号；对采集的信号进行SVD降噪处理；将降噪处理后的信号进行EEMD信号分解，分解为多路IMF分量及残余分量；重构信号，进行源数估计，估计出源信号数量；根据源数估计的结果，基于方差提取若干路方差较大的IMF分量，重构信号；应用JADE盲源分离方法对提取的IMF分量进行求解，估计出源信号；进行频谱分析，即可提取出信号的特征频率，完成齿轮箱的复合故障诊断。该方法原理简单，算法容易实现，信号的物理含义明确，是一种有效的齿轮箱复合故障诊断方法。CN107192553ACN107192553A权利要求书1/2页1.一种基于盲源分离的齿轮箱复合故障诊断方法，其特征在于包括如下步骤：对采集的齿轮箱复合故障振动信号进行SVD降噪处理得到信号x1(t)；将降噪处理后的信号x1(t)进行EEMD信号分解，分解为多路IMF信号分量c1(t),...,cn(t)及残余分量rn(t)；重构信号，进行源数估计，估计出源信号数量；根据源信号数量估计的结果，基于方差，去掉IMF分量中一个方差最大值，提取若干路方差较大的IMF分量，重构信号，将单通道的欠定模型转化为正定模型；通过JADE盲源分离方法对提取的IMF分量进行求解，估计出源信号，进行频谱分析，提取出源信号的特征频率，完成齿轮箱的复合故障诊断。2.如权利要求1所述的基于盲源分离的齿轮箱复合故障诊断方法，其特征在于所述方法还包括：用单个加速度传感器采集齿轮箱复合故障振动信号。3.如权利要求1所述的基于盲源分离的齿轮箱复合故障诊断方法，其特征在于：所述齿轮箱复合故障振动信号为齿轮故障、轴承故障和噪声信号的混合，用表示。4.如权利要求1所述的基于盲源分离的齿轮箱复合故障诊断方法，其特征在于所述的SVD降噪处理方法包括如下步骤：相空间重构：设原始信号为X＝[x1,x2,…,xN]，利用相空间重构理论重构吸引子轨迹矩阵：式中：n＝N-(m-1)×τ；A为m×n阶的Hankel矩阵；τ为延迟步长；m为嵌入维数；延迟步长取τ＝1；在嵌入维数的选取方面，当N为奇数时，m取中值；当N为偶数时，m＝N/2；奇异值分解：对式(1)所示的Hankel矩阵进行其奇异值分解：式中：U是m×m阶正交矩阵V是n×n阶正交矩阵，Σ是按降序排列的对角矩阵，其对角元素为矩阵A的奇异值σi，ui和vi为列向量，d为非零奇异值的个数，Ai＝ui×vi；确定奇异值有效秩阶次：根据奇异值分解理论、Frobeious范数意义下的矩阵最佳逼近定理可知：前r个较大的奇异值反映了信号的主要能量，是有用的信号成分，其中r<d；后d－r个较小的奇异值反映了噪声的成分；将r定义为奇异值降噪有效秩阶次，根据r将d个非零奇异值对应的分量矩阵，最佳地分成信号、噪声两组；信号重构：根据奇异值有效秩阶次，去掉代表噪声信号较小奇异值，然后进行奇异值分解的逆运算，即可实现信号的重构。5.如权利要求1所述的基于盲源分离的齿轮箱复合故障诊断方法，其特征在于将降噪2CN107192553A权利要求书2/2页处理后的信号x1(t)进行EEMD信号分解的方法包括如下步骤：将降噪处理后的信号x1(t)中添加均值为零，标准差为常数的随机白噪声，得到含噪信号xi(t)；对含噪信号xi(t)进行EMD分解，得到K个IMF分量cij(t)和一个残余分量ri(t)；重复进行上述两步骤各N次，每次添加的白噪声序列不相同；对相应的IMF分量相加取均值，消除各个IMF分量和残余分量中的噪声成分，得到EEMD分解后的IMF分量及余项。6.如权利要求5所述的基于盲源分离的齿轮箱复合故障诊断方法，其特征在于：随机白噪声的标准差为原始信号标准差的0.l-0.2倍。7.如权利要求1所述的基于盲源分离的齿轮箱复合故障诊断方法，其特征在于所述的进行源数估计，估计出源信号数量的方法包括如下步骤：将信号x1(t)、多路IMF信号分量c1(t),…,cn(t)及残余分量rn(t)组成新的多维信号ximf(t