一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法.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CN109029977A(43)申请公布日2018.12.18(21)申请号201810762387.2(22)申请日2018.07.12(71)申请人福州大学地址350108福建省福州市闽侯县福州地区大学新区学园路2号(72)发明人张俊张建群钟敏李习科陈涛(74)专利代理机构福州元创专利商标代理有限公司35100代理人蔡学俊(51)Int.Cl.G01M13/02(2006.01)权利要求书2页说明书8页附图4页(54)发明名称一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法(57)摘要本发明涉及一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法，包括步骤S1获取行星齿轮箱的振动加速度信号，并确定VMD参数；步骤S2基于VMD参数，对原振动信号进行VMD分解，并根据相关系数最大准则，选取最优分量；步骤S3:根据GOA寻优算法对所述最优分量进行MCKD参数的寻优；步骤S4:根据步骤S3得到的MCKD参数，对最优分量信号进行MCKD分析，再对解卷积后信号进行包络解调；步骤S5:将轴承理论故障特征频率值与包络谱中峰值明显的谱线进行对照，从而诊断出故障类型，确定故障部位。本发明采用GOA算法克服了MCKD算法中参数难以确定问题，采用VMD实现了信号降噪及各频率带分离，采用MCKD进一步增强故障冲击成分，对于行星齿轮箱早期故障诊断更为精准。CN109029977ACN109029977A权利要求书1/2页1.一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法，其特征在于：包括如下步骤：步骤S1：获取行星齿轮箱的振动加速度信号，并确定VMD参数；步骤S2:基于VMD参数，对原振动信号进行VMD分解，并根据相关系数最大准则，选取最优分量；步骤S3:根据GOA寻优算法对所述最优分量进行MCKD参数的寻优；步骤S4:根据步骤S3得到的MCKD参数，对最优分量信号进行MCKD分析，再对解卷积后信号进行包络解调；步骤S5:将轴承理论故障特征频率值与包络谱中峰值明显的谱线进行对照，从而诊断出故障类型，确定故障部位。2.根据权利要求1所述的一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法，其特征在于：步骤S1所述确定VMD参数具体为：设定VMD中的惩罚因子α0＝2000，基于中心频率观察法确定模态分解个数K0。3.根据权利要求2所述的一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法，其特征在于：所述中心频率观察法具体为：固定惩罚因子α0，观察K＝K0+1与K＝K0时分解后的分量的频谱图，判断最后一个分量的中心频率是否相近，若相近，则确定模态分解个数为K0。4.根据权利要求1所述的一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法，其特征在于：步骤S2所述相关系数最大准则，即计算模态分量信号序列与原信号序列的相关系数，相关系数越大，则该分量越优。其中，相关系数的计算公式为：式中：C表示分量uk与原信号的相关系数；E(·)表示数学期望；表示模态分量序列的平均值；表示原信号序列的平均值。5.根据权利要求1所述的一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法，其特征在于：步骤S3所述GOA寻优算法为一种自然启发式算法，模拟自然界中的蚱蜢群寻找食物的行为，具体的模拟蚱蜢群集行为的数学模型如下所示：Pi＝Si+Gi+Wi式中：Pi为第i只蚱蜢的位置；Si为第i只蚱蜢受到的社会干预；Gi是第i只蚱蜢受到的地心引力；Wi为风向，设定为指向最优的方向。具体的，不考虑重力的影响，对社会干预进行进一步优化，有下面公式：d式中：Pi表示蚱蜢i在第d维的位置；N为蚱蜢群规模；c为递减系数；ubd和lbd为第d维的上下位置边界；s(·)用于定义社会干预；(pi-pj)/dij为第i只蚱蜢和第j只蚱蜢之间的单位向量；为指向优化目标的向量；为使GOA取得更好的优化效果，这里递减系数c为按线性变化的动态值，即：2CN109029977A权利要求书2/2页式中：h为迭代次数；H为最大迭代数；cmax为最大递减系数；cmin为最小递减系数；参数c保证了GOA算法不能过快的收敛于目标，从而避免局部最优，并能在最后的几次迭代中加快收敛速度。6.根据权利要求6所述的一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法，其特征在于：所述GOA寻优算法参数设置为蚱蜢群规模N＝30，最大迭代次数H＝10，最大递减系数cmax＝1，最小递减系数cmin＝0.0004。7.根据权利要求7所述的一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法，其特征在于：所述GOA寻优算法的适应度函数为包络谱幅值比ESR的负值，ESR定义为：式中：ft为包络谱中最大幅值对应的频率，ft∈[fr,fo]；