一种行星齿轮故障诊断方法.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CN106197999A(43)申请公布日2016.12.07(21)申请号201610537475.3(22)申请日2016.07.08(71)申请人安徽德衍智控科技有限公司地址235000安徽省淮北市众帮创业园科创楼107室(72)发明人程刚李勇陈曦晖(74)专利代理机构南京瑞弘专利商标事务所(普通合伙)32249代理人朱亮淞(51)Int.Cl.G01M13/02(2006.01)权利要求书3页说明书8页附图7页(54)发明名称一种行星齿轮故障诊断方法(57)摘要本发明公开了一种基于自适应噪声的完备总体经验模态分解和模糊熵的行星齿轮故障诊断方法。首先采用自适应噪声的完备总体经验模态分解方法对原始信号进行分解获得高质量完备的本征模态函数，针对各本征模态函数，提出一种能够更准确描述信号平稳性与复杂性的故障特征量化参数—模糊熵。以各本征模态函数的模糊熵作为故障特征，并将其作为MLP神经网络的输入，以均方差作为MLP神经网络的训练标准，利用训练样本对MLP神经网络进行训练，利用训练完毕的MLP神经网络可实现行星齿轮故障种类的识别与分类。该方法自适应能力强、准确性高，可识别故障种类完善，提高原有算法的完备性，准确有效提取多种故障特征信息，实现行星齿轮故障识别与诊断。CN106197999ACN106197999A权利要求书1/3页1.一种行星齿轮故障诊断方法，其特征在于：包括以下步骤：1)利用布置在行星齿轮箱外壳上的振动传感器测量行星齿轮的振动信号；2)利用基于自适应噪声的完备总体经验模态分解方法对步骤1)所得到的振动信号进行分解，提取包含故障特征信息的完备的本征模态函数；3)构造步骤2)中所提取的各本征模态函数的空间向量矩阵，并计算各组空间向量之间的距离，引入模糊函数根据每两组空间向量间的距离描述该两组空间向量之间的相似性，进一步根据样本熵定义得到模糊熵这一故障特征指标；4)采用MLP神经网络进行行星齿轮状态识别：以各本征模态函数的模糊熵作为MLP神经网络的输入，确定MLP神经网络的输入层、隐含层和输出层的网络结构，利用训练样本对MLP神经网络进行训练，以MLP神经网络输出值和标准值的差值的均方差作为MLP神经网络的训练标准，完成隐含层和输出层的权重参数调整，最终利用训练完毕的MLP神经网络实现行星齿轮故障种类的识别与分类。2.根据权利要求1所述的一种行星齿轮故障诊断方法，其特征在于：步骤1)中所述的振动信号分为行星传动太阳轮正常状态、断齿状态、少齿状态、齿轮磨损和齿根裂纹五种类型。3.根据权利要求1所述的一种行星齿轮故障诊断方法，其特征在于：所述步骤2)中的基于自适应噪声的完备总体经验模态分解方法的分解过程如下：a)选择加入的白噪声次数M，并确定所加噪声的幅值；b)得到加入m次白噪声的加噪振动信号；c)对加入白噪声的振动信号进行经验模态分解，得到1个本征模态函数IMF1；d)如果m<M，m＝m+1，再次进行步骤b)和c)，直到m＝M；e)计算加入M次噪声分解的每一个本征模态函数IMF1的总体平均，并得出剩余信号r1(t)，计算公式为r1(t)＝x(t)-IMF1(t)其中x(t)是采集到的振动信号，ωm(t)是单位方差均值为零的的噪声信号，ε0是噪声的振幅；f)计算第二个本征模态函数IMF2，计算过程如下：g)计算其他本征模态函数IMF，定义k＝2,3.....K，第k+1个IMF可由下式表示h)重复步骤g)，直到剩余信号的极值点不超过两个，停止分解。4.根据权利要求1所述的一种行星齿轮故障诊断方法，其特征在于：所述步骤3)中的模糊熵的计算过程如下：a)定义由本征模态函数组成的向量组Ai2CN106197999A权利要求书2/3页Ai＝{z(i),z(i+1),...,z(i+m-1)}-u0(i)i＝1,2,...,n-m+1其中u0(i)为每个向量的均值，m表示向量的长度，其表示函数如下：b)计算每两组向量之间的距离c)用指数模糊函数描述每组向量之间的相似性其中n是指数函数的边界梯度，r是相似极限，其由信号的标准偏差来设定；求取模糊熵表示函数Bm：d)令m＝m+1，重复步骤(1)到(4)，得到Bm+1e)通过求相邻函数Bm比值的对数即可得出模糊熵5.根据权利要求1所述的一种行星齿轮故障诊断方法，其特征在于：所述步骤4)中的MLP神经网络训练过程如下：a)初始化MLP神经网络的连接权值，并将所述步骤3)提取的模糊熵传递到输入层；然后将输入层的输入特征传递到隐含层，计算隐含层的每个隐含神经元sh，计算公式如下：其中：xij是输入特征；Wjh是输入神经元和隐含神经元之间的连接权值；θh是偏差值；f()是隐含神经元的激活函数；b)将隐含层神经元的计算结果传递