一种基于双树复小波变换-熵特征融合的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CN105445022A(43)申请公布日2016.03.30(21)申请号201510791644.1(22)申请日2015.11.17(71)申请人中国矿业大学地址221116江苏省徐州市大学路1号中国矿业大学科研院(72)发明人程刚陈曦晖李宏宇(74)专利代理机构南京瑞弘专利商标事务所(普通合伙)32249代理人陈国强(51)Int.Cl.G01M13/02(2006.01)权利要求书2页说明书8页附图20页(54)发明名称一种基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法(57)摘要本发明公开了一种基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法，采集综合模拟实验台数据，得到行星齿轮壳体原始振动信号；采用双树复小波变换对原始振动信号进行分解，提取各频带的信号成分；从多角度构建熵特征提取模型，获得高维原始特征；利用核Fisher判别分析方法对多种熵特征构成的原始特征集合进行降维处理，确定一组最佳鉴别向量，提取原始特征在最佳鉴别向量的投影作为敏感故障特征，并以此确定故障类型；验证从多角度、多空间描述特征信息的必要性以及在此基础上采用KFDA方法进行特征降维的有效性。本发明适用于非线性、非平稳和强耦合特性的行星齿轮振动信号，能够有效提取敏感故障特征，实现行星齿轮的准确诊断。CN105445022ACN105445022A权利要求书1/2页1.一种基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法，其特征在于：包括以下步骤：(1)采集综合模拟实验台数据，得到行星齿轮壳体原始振动信号；(2)采用双树复小波变换对原始振动信号进行分解，提取各频带的信号成分；(3)从多角度构建熵特征提取模型，获得高维原始特征；(4)利用核Fisher判别分析方法对多种熵特征构成的原始特征集合进行降维处理，确定一组最佳鉴别向量，提取原始特征在最佳鉴别向量的投影作为敏感故障特征，并以此确定故障类型；(5)验证从多角度、多空间描述特征信息的必要性以及在此基础上采用KFDA方法进行特征降维的有效性。2.如权利要求1所述的基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法，其特征在于：所述步骤(1)中行星齿轮壳体原始振动信号用加速度传感器测定，所述原始振动信号包括行星传动太阳轮正常状态、断齿状态、少齿状态、齿面磨损和齿根裂纹五种类型。3.如权利要求1所述的基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法，其特征在于：所述步骤(2)中的双树复小波变换对原始振动信号分解为6层，并提取各频带的信号成分。4.如权利要求1所述的基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法，其特征在于：所述步骤(3)中的熵特征提取模型包括奇异谱熵、时域能量熵、功率谱熵和样本熵，建立的原始特征为28维。5.如权利要求4所述的基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法，其特征在于：所述步骤(3)中取还包括奇异谱熵、时域能量熵、功率谱熵和样本熵的计算；其中，在奇异谱熵的提取过程中所构建的相空间的分析长度为K＝7000，延迟常数为τ＝15，获得的奇异值个数为7000；在样本熵的求取过程中，设置的模式维数为τ＝1，相似容限为r＝0.15sd，sd为信号标准差。6.如权利要求1所述的基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法，其特征在于：所述步骤(4)中利用核Fisher判别分析方法对原始特征集合进行降维处理并实现故障识别的具体步骤为：(4-1)选择核函数，并设置参数；(4-2)利用核函数将原始特征集合转换成核矩阵；(4-3)求取核矩阵的类内散度矩阵和类间离散度矩阵；(4-4)根据核矩阵的类内离散度矩阵和类间离散度矩阵，确定一组最佳鉴别向量；(4-5)将核矩阵向最佳鉴别向量投影，实现降维处理，得到敏感故障特征；(4-6)依据敏感故障特征进行故障模式识别，得到诊断结果。7.如权利要求6所述的基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法，其特征在于：所述步骤(4)中的核Fisher判别分析方法中选择的核函数为高斯径向基函数k(x,y)＝exp[-||x-y||2/2σ2]，所选择的参数为σ＝0.1；确定的一组最佳鉴别向量为前4个最佳鉴别向量。8.如权利要求1所述的基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法，其特征在于：所述步骤(5)的具体步骤为：2CN105445022A权利要求书2/2页(5-1)分别对奇异谱熵和时域能量熵这2种熵特征，奇异谱熵、时域能量熵和功率谱熵这3种熵特征进行特征融合；(5-2)利用KFDA方法对上述融合的高维熵特征进行降维处理，提取出敏感故障特征信息；(5-3)与采用4种熵特征进行特征融合之后提取的敏感故障特征信息进行对比分析，验证建立全面、