一种齿轮减速器故障特征提取方法.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CN114235396A(43)申请公布日2022.03.25(21)申请号202111417628.8(22)申请日2021.11.26(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人李波石剑钧洪涛谢晓梅李学生(74)专利代理机构电子科技大学专利中心51203代理人陈一鑫(51)Int.Cl.G01M13/028(2019.01)G06F17/14(2006.01)G06F17/15(2006.01)权利要求书2页说明书7页附图6页(54)发明名称一种齿轮减速器故障特征提取方法(57)摘要该发明公开了一种齿轮减速器故障特征提取方法，属于信号处理领域，特别是故障特征的提取方法。该方法本发明针对当前对齿轮减速器具有多振源干扰的高非线性以及高非平稳性振动信号故障特征提取方法的不足，提出了一种齿轮减速器故障特征提取方法。该方法针对现有方法的不能有效提取齿轮减速器故障特征这一问题，建立融合相关系数、频谱相似度与峭度的优化目标函数，并利用灰狼优化算法求得每一层分解的最优惩罚因子，根据每层的最优惩罚因子对减速器振动信号进行模态分解，更有效地提取其故障特征。CN114235396ACN114235396A权利要求书1/2页1.一种齿轮减速器故障特征提取方法，该方法包括以下步骤：步骤1：建立齿轮减速器故障特征提取模型；步骤1.1：将待处理的齿轮减速器工作工程中的震动信号初始分解成K个带宽有限的离散时间序列uk(t)；步骤1.2：采用如下公式计算uk(t)的梯度范数L2；其中，ωk表示中心基频带，δ(t)表示脉冲冲击信号，对变量t的求偏导符号；步骤1.3：通过计算得到的中心频率和带宽需要满足K个离散时间序列的带宽之和最小的条件建立约束，根据该约束计算当前条件下的最优解步骤2：建立融合相关系数、时频谱相似度与峭度的优化目标；步骤2.1：将步骤1得到的最优解进行重构，得到重构信号X(t)，Xi为重构信号X(t)某一个样本点，设原始信号为S(t)，Si为原始信号S(t)某一个样本点，计算X(t)和S(t)的相关系数r；步骤2.2：计算重构信号X(t)和原始信号为S(t)的时频谱相似度Xt‑f和St‑f，并求得其时频谱相似度Sim；步骤2.3：计算每个信号分量的峭度步骤2.4：若相关系数大于设定阈值，则将相关系数和峭度作为优化目标，否则将频谱相似度和峭度作为优化目标；步骤3：根据步骤2得到的优化目标，利用灰狼优化算法求得当前情况下采用步骤1的模型进行分解时每一层的最佳惩罚因子α步骤4：将步骤3得到的惩罚因子优化步骤1的模型，根据最大峭度准则确定最佳分解层数q，采用优化后的模型对齿轮减速器振动信号进行分解为q层，得到q个模态，对这些模态做希尔伯特变换，求包络，并对该包络做傅里叶变换得到包络谱，根据包络谱即可得到减速器故障特征。2.如权利要求书1所述的一种齿轮减速器故障特征提取方法，其特征在于，所述步骤1.3的具体方法为：步骤1.3.1：建立以下约束变分模型：式中：uk是第K个IMF模态分量，f是原始信号的一个分量；步骤1.3.2：将上述的约束模型通过下列的拉格朗日函数转换为非变分约束问题后，求得式(5)的最优解对应的中心频率以及带宽2CN114235396A权利要求书2/2页式中：表示以uk、ωk、λ为自变量的一个求极值的拉格朗日函数，表示求λ(t)和的内积，α是二次惩罚因子，λ(t)是拉格朗日因子，f(t)表示原始信号；步骤1.3.3：通过引入交替乘子方向算法寻求上述变分问题的鞍点，然后更新各阶IMF信号的中心频率以及带宽如下式：式中：是当前残余量的滤波结果，为当前模态的功率谱重心，最后将进行逆FFT变换可获得实部步骤1.3.4：采用下式更新λ(t)；循环步骤1.3.2到1.3.4直到ε表示设定的阈值。3.如权利要求书1所述的一种齿轮减速器故障特征提取方法，其特征在于，所述步骤2.1中的相关系数计算方法为：4.如权利要求书1所述的一种齿轮减速器故障特征提取方法，其特征在于，所述步骤2.2中时频谱相似度的计算方法为：5.如权利要求书1所述的一种齿轮减速器故障特征提取方法，其特征在于，所述步骤2.3中峭度计算方法为：3CN114235396A说明书1/7页一种齿轮减速器故障特征提取方法技术领域[0001]本发明专利涉及数字信号处理领域，具体是一种针对高非线性以及高非平稳的减速器振动信号的故障特征提取方法。背景技术[0002]当前，起重机在各个工业领域扮演着越来越重要的角色。特别是在大型设备物品的搬运、高架桥梁的施工作业、高层施工时物料的搬移等场合，都离不开起重机。其中统计数据表明，起重机中有85％的都是桥齿轮，而我国对齿轮状态监测研