一种基于VMD的齿轮振动信号降噪及故障诊断方法.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CN109443752A(43)申请公布日2019.03.08(21)申请号201811206915.2(22)申请日2018.10.17(71)申请人北京信息科技大学地址100192北京市海淀区清河小营东路12号(72)发明人徐小力刘秀丽吴国新蒋章雷张雪英(74)专利代理机构北京远创理想知识产权代理事务所(普通合伙)11513代理人张素妍(51)Int.Cl.G01M13/021(2019.01)G01M13/028(2019.01)权利要求书3页说明书5页附图1页(54)发明名称一种基于VMD的齿轮振动信号降噪及故障诊断方法(57)摘要本发明涉及一种基于VMD的齿轮振动信号降噪及故障诊断方法，其步骤：采集齿轮在正常运行状态、点蚀故障、磨损故障以及断齿故障下的振动信号xw(n)＝{xw(1),...,xw(N)}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，分别代表正常运行状态、点蚀故障状态、磨损故障状态、断齿故障状态；对xw(n)＝{xw(1),...,xw(N)}中正常运行状态下的原始振动信号x1(n)进行VMD-模平方阈值处理；将所有齿轮振动信号xw(n)按照步骤2)进行VMD-模平方阈值处理，得到处理后的信号提取处理后的信号的每组信号的峭度和均方根值组成特征向量K和R；利用PNN进行故障诊断。CN109443752ACN109443752A权利要求书1/3页1.一种基于VMD的齿轮振动信号降噪及故障诊断方法，其特征在于，包括以下步骤：1)采集齿轮在正常运行状态、点蚀故障、磨损故障以及断齿故障下的振动信号xw(n)＝{xw(1),...,xw(N)}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，分别代表正常运行状态、点蚀故障状态、磨损故障状态、断齿故障状态；；n为第w组数据中第n个数据点，n∈(1,N)；2)对xw(n)＝{xw(1),...,xw(N)}中正常运行状态下的原始振动信号x1(n)进行VMD-模平方阈值处理；3)将所有齿轮振动信号xw(n)按照步骤2)进行VMD-模平方阈值处理，得到处理后的信号4)提取处理后的信号的每组信号的峭度和均方根值组成特征向量K和R；5)利用PNN进行故障诊断。2.如权利要求1所述的降噪及故障诊断方法，其特征在于：所述步骤2)中，VMD-模平方阈值处理步骤如下：2.1)首先对信号x1(n)进行VMD分解；2.2)原始振动信号x1(n)经VMD后分解为k个模态分量IMF1,IMF2,‥‥,IMFk，对每个IMF分量进行模平方阈值处理；2.3)将模平方阈值处理后的分量重构，得到重构后的信号3.如权利要求2所述的降噪及故障诊断方法，其特征在于：所述步骤2.1)中，VMD分解的步骤为：2.1.1)令m＝0,初始化第k个模态函数uk记为当前模态函数功率谱的中心ωk记为和m＝0为所对应的傅里叶变换λ1，其中m为迭代次数；λ为所对应的傅里叶变换；k为原始振动信号x1(n)进行VMD分解后得到的模态个数；2.1.2)根据式更新uk；根据式更新ωk；根据式更新λ；其中ui为第i个模态函数，i≠k；为第k个模态的第m-1次迭代的模态函数；相当于第m次迭代时对当前剩余量x1-∑i≠kui的维纳滤波；ω为中心频率；ωk为第k个模态的中心频率；为第k个模态的第m-1次迭代的中心频率；为m次迭代模态函数功率谱的中心；λm为第m-1次迭代所对应的傅里叶变换；λm-1为第m次迭代所对应的傅里叶变换；a为惩罚因子；2.1.3)根据收敛条件判断结果是否满足；e为预先设定的允许误差，若满足则停止迭代，否则返回步骤2.1.2)。2CN109443752A权利要求书2/3页4.如权利要求2所述的降噪及故障诊断方法，其特征在于：所述步骤2.2)中，对每个IMF分量进行模平方阈值处理的步骤为：2.2.1)对IMFt分量进行小波阈值降噪，首先选择小波分解的分解层数为3层与小波基函数db5，对滚动轴承原始振动信号采用小波分解函数wavedec进行分解；其中，t∈(1,k)；2.2.2)提取小波分解后振动信号的每层的细节系数cd1，cd2，cd3与最后一层的近似系数ca3，运用模平方阈值方法对每层的细节系数进行处理，得到新的细节系数2.2.3)将步骤2.2.2)得到的新的细节系数与最后一层的近似系数ca3组成新的小波分解结构，利用小波重构函数waverec进行小波重构，重构后得到的信号即为模平方阈值降噪后的信号。5.如权利要求4所述的降噪及故障诊断方法，其特征在于：所述步骤2.2.2)中，运用模平方阈值方法对每层的细节系数进行处理步骤如下：(1)利用公式调整每一层的阈值，其中λj为每一层的阈值，j为分解尺度，j＝1,2,3