稀疏正则化滤波与自适应稀疏分解的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CN108805059A(43)申请公布日2018.11.13(21)申请号201810532020.1(22)申请日2018.05.29(71)申请人东华大学地址201620上海市松江区松江新城人民北路2999号(72)发明人李庆梁越昇(74)专利代理机构上海泰能知识产权代理事务所31233代理人宋缨钱文斌(51)Int.Cl.G06K9/00(2006.01)G06N3/12(2006.01)G01M13/02(2006.01)权利要求书3页说明书9页附图4页(54)发明名称稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法(57)摘要本发明涉及一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，包括以下步骤：通过加速度传感器拾取齿轮箱振动信号；对拾取的原始振动信号利用稀疏正则化滤波方法进行滤波；利用自适应稀疏分解方法对滤波信号进行分解，得到高频振荡信号与低频周期性瞬时脉冲信号；利用Hilbert包络解调方法对低频周期性瞬时脉冲信号进行包络解调，提取故障特征频率及其倍频，与理论计算故障特征频率对比，最终确定齿轮故障类型。本发明能够大幅度滤除背景噪声成分，有效提取周期性故障瞬时脉冲序列，可以清晰检测出比较微弱的齿轮故障特征信息，准确性高、稳定性强，适合于齿轮箱在工作状态下实时故障巡检和在线监控避免突发性事故发生。CN108805059ACN108805059A权利要求书1/3页1.一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，其特征在于，包括以下步骤：(1)通过加速度传感器拾取齿轮箱振动信号；(2)对拾取的原始振动信号利用稀疏正则化滤波方法进行滤波，去除外界干扰噪声；(3)利用自适应稀疏分解方法对滤波信号进行分解，得到高频振荡信号与低频周期性瞬时脉冲信号；(4)利用Hilbert包络解调方法对低频周期性瞬时脉冲信号进行包络解调，得到包络谱，提取出故障特征频率及其倍频成分，最终识别故障类型。2.根据权利要求1所述的稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，其特征在于，所述步骤(2)中利用增广Huber函数作为罚函数建立稀疏正则化滤波方法的目标成本函数。3.根据权利要求2所述的稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，其特征在于，所述步骤(2)具体包括以下子步骤：(21)通过如下最优化方程从含噪的观测信号估计潜在故障信号所述最优化方程为：其中，F(x)为目标成本函数，λ0与λ1为正则化参数，矩阵D为一阶可导矩阵，||x||1与||Dx||1为罚函数，||x||1为L1-norm范数，y0＝Ax，M＜＜N为线性变换矩阵，为变换系数集；通过软阈值函数与全变分算法对所述最优化方程进行求解；(22)利用增广Huber函数作为罚函数建立稀疏正则化滤波算法的目标成本函数，目标成本函数为：其中，罚函数φB(x)＝||x||1-SB(x)为增广Huber函数，SB(x)为广义Huber函数，v表示靠近点x两侧邻域内的点，如果矩阵B为对角矩阵，则广义Huber函数SB(x)是可分离函数，如果矩阵B为非对角矩阵，则广义Huber函数SB(x)是不可分离函数；(23)根据与φB(x)＝||x||1-sB(x)，目标成本函数F(x)表达为其中，AT为矩阵A的复共轭转置矩阵，BT为矩阵B的复共轭转置矩阵，ATA-λBTB≥0，为一组凸函数的逐点最大值；(24)为了最小化目标成本函数F(x)，设参数0＜τ≤1，有BTB＝(τ/λ)ATA，则最优化问题转化为鞍点问题，即鞍点问题的求解通过后向-前向算法进行求解；2CN108805059A权利要求书2/3页(25)正则化参数λ选取为：其中，标称值γ＝0.95，σ为噪声的标准差，N表示信号样本点个数。4.根据权利要求3所述的稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，其特征在于，所述步骤(25)中噪声的标准差σ通过σ＝MAD(y)/0.6745进行计算，其中，MAD(y)为观测信号y的绝对偏差中值。5.根据权利要求1所述的稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，其特征在于，所述步骤(3)具体包括以下子步骤：(31)将给定信号表达为x＝x1+x2+noise，信号与分别为具有不同振荡特性的信号，为外界噪声，可调Q因子小波变换方法通过不同的质量因子Q来表征信号x1与x2的振荡特性；(32)对经过稀疏正则化滤波算法得到的滤波信号进行可调Q因子小波变换，得到低、高品质因子可调小波的滤波器组，即基函数框架s1与s2；(33)利用形态分量分析方法建立稀疏分解目标函数，式中，η1与η2为正则化参数，w1与w2为在基函数框架s1与s2变换下的变换系数；利用分割增广拉格朗日收缩算法求解F(w1,w2)，与