基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法.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CN109297705A(43)申请公布日2019.02.01(21)申请号201810932320.9(22)申请日2018.08.16(71)申请人东南大学地址210000江苏省南京市江宁区东南大学路2号(72)发明人邓艾东朱静翟怡萌李晶孙文卿(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人吕朦(51)Int.Cl.G01M13/021(2019.01)G01M13/028(2019.01)权利要求书2页说明书6页附图2页(54)发明名称基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法(57)摘要本发明公开了一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，搭建风电机组实验装置，通过风电机组实验装置采集行星齿轮箱振动信号；利用MED对行星齿轮箱振动信号进行去噪处理；对行星齿轮箱振动信号进行EMD分解，剔除无效分量，得到多个有效IMF分量，计算每个有效IMF分量的模糊熵值并保留模糊熵值最小的IMF分量；对模糊熵值最小的IMF分量的信号进行包络谱分析，分析故障特征频率。该方法能够有效提取故障特征频率，且能有效滤除噪声对特征频率的干扰，有效消除模态混叠、端点效应等现象对行星齿轮箱信号进行故障诊断的不良影响。CN109297705ACN109297705A权利要求书1/2页1.一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，包括以下步骤：(1)搭建风电机组实验装置，通过风电机组实验装置采集行星齿轮箱振动信号；(2)利用MED对行星齿轮箱振动信号进行去噪处理；(3)对行星齿轮箱振动信号进行EMD分解，剔除无效分量，得到多个有效IMF分量，计算每个有效IMF分量的模糊熵值并保留模糊熵值最小的IMF分量；(4)对模糊熵值最小的IMF分量的信号进行包络谱分析，分析故障特征频率。2.如权利要求1所述的基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，步骤(1)中，行星齿轮箱振动信号的表达式为：y(n)＝h(n)x(n)+e(n)(1)式中，y(n)是行星齿轮箱振动信号，h(n)是传递函数，x(n)是行星齿轮箱冲击序列，e(n)为噪声。3.如权利要求2所述的基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，步骤(2)中，构建逆滤波器ω(n)，ω(n)与y(n)、x(n)之间有以下关系：式中，l表示滤波器第l个点，L为逆滤波器ω(n)的长度；定义目标函数K(ω(n))：其中x(i)为序列x(n)的第i个值；取最优的滤波器ω(n)使目标函数K(ω(n))的值最大，滤波信号后的熵值最小。4.如权利要求1所述的基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，步骤(3)中，对行星齿轮箱振动信号进行EMD分解的结果为：其中，J为分解出的IMF的总数，IMFm,1，IMFm,2……IMFm,j是分解出的j个本征模态函数，rm(t)为残余分量；重复对同一组行星齿轮箱振动信号进行EMD分解达总体平均次数K，获得K组IMF函数，得到的本征模态函数进行总体平均，即Cs(t)为EMD分解出来的第s个IMF分量。5.如权利要求1所述的基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，步骤(3)中，剔除无效分量的方法为：求出各IMF分量和原信号之间的互相关函数值，设定阈值，对于互相关函数值低于阈值的IMF分量判定为无效分量，并予以剔除。2CN109297705A权利要求书2/2页6.如权利要求1所述的基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，步骤(3)中，计算IMF分量的模糊熵值的方法为：假定采样点数为Ni的数据序列Y＝[y(1),y(2),...y(Ni)]的模式维数为mi，则重构生成一组mi维向量：Ymi(i)＝[y(i),y(i+1),...y(i+mi-1)]-u(i)，式中i＝1,2,...Ni-mi+1，令u(i)是向量的均值，即设向量Xmi(i),Xmi(j)之间的距离式中i,j＝1,2,...Ni-mi+1；由混沌伪随机序列复杂度预测的模糊隶属度函数求得两向量Xmi(i)、Xmi(j)间的相似度为定义中间函数φmi(r)：对mi+1维模式维数重复以上步骤得到原时间序列的模糊熵为FuzzyEn(mi,r,N)＝lnφmi(r)-lnφmi+1(r)(11)r为相似容限。7.如权利要求6所述的基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，模式维数m取2，相似容限r＝0.2*SD，SD为行星齿轮箱振动信号中每个采样点的标准差。3CN109297705A说明书1/6页基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法技术领域[000