基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法.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CN110598593A(43)申请公布日2019.12.20(21)申请号201910806423.5(22)申请日2019.08.29(71)申请人东南大学地址210096江苏省南京市玄武区四牌楼2号(72)发明人邓艾东朱静邓敏强孙文卿程强刘洋王姗(74)专利代理机构南京经纬专利商标代理有限公司32200代理人许方(51)Int.Cl.G06K9/00(2006.01)G01M13/028(2019.01)G01M13/021(2019.01)权利要求书2页说明书7页附图5页(54)发明名称基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法(57)摘要本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；将含有行星齿轮箱振动信号的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。CN110598593ACN110598593A权利要求书1/2页1.一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，其特征在于：该方法包括如下步骤：步骤1：利用振动传感器获得行星齿轮箱的振动信号；步骤2：对振动信号进行共振稀疏分解，得到高共振分量和低共振分量，所述高共振分量含有行星齿轮箱振动信号；所述低共振分量含有宽带信号；剔除含有宽带信号的低共振分量；步骤3：将含有行星齿轮箱振动信号的高共振分量信号作为观测信号，对观测信号进行共振稀疏分解，得到二阶高共振分量，即虚拟通道信号；步骤4：基于步骤3构建的虚拟通道信号，利用快速独立分量分析算法对观测信号进行独立分量分解，得到故障特征分量；步骤5：在步骤4分离出的故障特征分量中，选择峭度值最大的分量进行分析；对筛选出的故障特征分量进行包络谱分析，提取故障特征频率，从而识别故障类型。2.根据权利要求1所述的一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，其特征在于：所述共振稀疏分解采用形态分量分析法，具体如下：行星齿轮箱故障信号x是由包含持续振荡信号的高共振分量x1和包含瞬态冲击的低共振分量x2组成，表示如下：Nx＝x1+x2x,x1,x2∈R信号x1和x2分别用基函数库S1和S2表示；S1、S2表示高、低品质因子可调小波的滤波器组；建立形态分量的目标函数，如下所示：其中S1、S2分别表示含有高品质因子、低品质因子变换的基函数库；W1、W2分别表示信号x1、x2在基函数库S1、S2下的变换系数；m和n分别为高、低共振分量的个数，λ1,i为高共振分量中第i个分量的正则化参数，λ2,j为低共振分量中第j个分量的正则化参数；W1,i为高共振分量中第i个分量的变换系数，W2,j为低共振分量中第j个分量的变换系数；利用分裂增广拉格朗日搜索算法求解目标函数，使目标函数最小化，得到W1和W2的最优*解W1和从而得到高共振分量和低共振分量的估计值表示如下：3.根据权利要求2所述的一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，其特征在于：所述基函数库S1和S2是利用品质因子可调小波变换对行星齿轮箱振动信号进行分解得到。4.根据权利要求1或2或3所述的一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，其特征在于：所述步骤4中，FastICA算法采用基于负熵最大的FastICA算法。5.根据权利要求4所述的一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，其特征在于：所述步骤4中，基于构建的虚拟通道信号，利用FastICA算法对观测信号进行独立分量分解，得到故障特征分量，具体方法为：步骤4.1：观测信号和虚拟通道信号组成信号Xa，对信号Xa进行归一化和白化处理，得到2CN110598593A权利要求书2/2页信号X；步骤4.2：设置迭代次数t＝1,2,...,P；P为总的迭代次数；步骤4.3：初始化随机向量即独立成分W；步骤4.4：进行第t次迭代计算，利用牛顿法计算E{Xg(WTX)}+βW＝0；其中β＝E{WTXg(WTX)}；得到W的值W*，并保存该W的值；其中E[*]为均值运算，g(*)为非线性函数；步骤4.5：对W进行标准化，令步骤4.6：判断W是否收敛，如果不收敛则返回步骤4.4，否则