一种基于群分解的旋转机械复合故障诊断方法.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CN108507783A(43)申请公布日2018.09.07(21)申请号201810207682.1(22)申请日2018.03.14(71)申请人湖南大学地址410082湖南省长沙市岳麓区麓山南路2号(72)发明人程军圣李娟舒文婷(74)专利代理机构长沙市融智专利事务所43114代理人龚燕妮(51)Int.Cl.G01M13/02(2006.01)G06K9/00(2006.01)权利要求书3页说明书9页附图5页(54)发明名称一种基于群分解的旋转机械复合故障诊断方法(57)摘要本发明公开了一种基于群分解的旋转机械复合故障诊断方法，包括：步骤S1：采用加速度传感器对旋转机械的齿轮箱进行测量，获得振动加速度原始信号x(n)；步骤S2：对振动加速度原始信号x(n)进行群分解，获得振荡分量OCm(n)；步骤S3：对振荡分量OCm(n)进行Hilbert包络解调，得到振荡分量的包络谱步骤S4：从包络谱中识别是否含有预设的故障特征频率及其倍频。本发明采用群分解方法对旋转机械振动加速度信号进行分解，自适应地将一个非平稳多分量振动信号分解为若干个瞬时频率具有物理意义的单一模态振荡分量，对振荡分量进行包络解调得到分量包络谱，对包络谱进行分析，确定故障零件和故障类型，准确进行故障诊断。CN108507783ACN108507783A权利要求书1/3页1.一种基于群分解的旋转机械复合故障诊断方法，其特征在于，包括：步骤S1：采用加速度传感器对旋转机械的齿轮箱进行测量，获得振动加速度原始信号x(n)；步骤S2：对所述振动加速度原始信号x(n)进行群分解，获得振荡分量OCm(n)；步骤S3：对所述振荡分量OCm(n)进行Hilbert包络解调，得到振荡分量的包络谱步骤S4：从所述包络谱中识别是否含有预设的故障特征频率及其倍频：若含有故障特征频率及其倍频，则说明旋转机械的齿轮箱存在故障。2.根据权利要求1所述的方法，其特征在于，所述步骤S2中对所述振动加速度原始信号x(n)进行群分解的具体步骤为：步骤S21：根据韦尔奇算法求取振动加速度原始信号x(n)的功率谱Sx(ω)，根据所述功率谱Sx(ω)的峰值确定原始信号中心频率其中，q表示ωdom第q次被选为中心频率，ω为角频率，pth为中心频率选择阈值，0<pth<1；步骤S22：根据下述公式确定SwF群滤波处理的输入参数M和δ：其中，为归一化中心频率；步骤S23：对振动加速度原始信号x(n)进行SwF群滤波处理，得到中心频率为ωdom的初始振荡分量步骤S24：用振动加速度原始信号x(n)减去初始振荡分量得到中间振动信号x'(n)：步骤S25：当Sx(ω)>Pth时，利用步骤S24得到的中间振动信号x'(n)作为新的振动加速度原始信号x(n)重复步骤S21到步骤S24；当Sx(ω)≤Pth时，将步骤S24得到的中间振动信号x'(n)作为振动加速度原始信号的余量Res(n)，即Res(n)＝x'(n)；步骤S26：根据下述公式，计算振荡分量OCm(n)：Ωdominant:{ω:ω＝ωdom}；其中，Ωdominant为所有中心频率的集合；|Ωdominant|为集合Ωdominant的长度。3.根据权利要求2所述的方法，其特征在于，所述步骤S23中SwF群滤波处理通过模拟群体捕食者行为建立滤波模型。4.根据权利要求3所述的方法，其特征在于，所述步骤S23中对振动加速度原始信号x(n)进行SwF群滤波处理的输入参数为x(n)、M和δ，假设有M个捕食者追赶猎物，猎物的运动轨迹pprey即为输入参数x(n)，输出参数由M个捕食者运动轨迹计算得出，具体步骤为：2CN108507783A权利要求书2/3页步骤S231：求第i个捕食者在第n个位置时的速度和位置坐标：其中，i＝1,2,...,M，δ为模拟时间间隔；步骤S232：求猎物对第i个捕食者的引力和第i个捕食者受到的内聚力di,j＝pi(n-1)-pi'(n-1)；其中，sgn(d)表示符号函数，f(di,i')表示第i'个捕食者对第i个捕食者的内聚力，di,i'为两个捕食者的距离。dcr是捕食者之间既不存在引力又不存在斥力的距离，dcr＝rms(x(n))，rms表示振动加速度原始信号x(n)的均方根值；步骤S233：重复步骤S231到步骤S232，直到n＝L，其中，L为振动加速度原始信号x(n)的长度；步骤S234：求捕食者运动轨迹的加权平均值其中，β为加权因子且β＝0.005；步骤S235：计算x(n)和y(n)的StD值，StD定义如下：步骤S236：重复步骤S231到步骤S235，直到StD<StDth,其中StDth为StD阈值，且0<StDth<1，此时x”(n)＝y(n