基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法技术

基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法，属于故障诊断技术领域，该方法包括：1、利用加速度传感器对摆线锥齿轮副进行测量，采集加速度振动信号作为待分析信号；2、将采集的信号导入Matlab中，得到原始信号，利用经验模态分解(EMD)方法将原始信号分解为一系列固有模态函数(IMF)分量；3、对前几阶固有模态函数分量进行倒频谱分析，得到其幅值倒频谱；4、采用Matlab软件的绘图工具绘制出幅值倒频谱图，根据倒频谱图中幅值的分布，提取故障特征信息。本发明专利技术方能够运用于摆线锥齿轮的故障诊断中，并能准确地提取出故障特征频率。本发明专利技术为摆线锥齿轮的故障诊断提供了新方法，且为其他旋转机械故障诊断技术提供了有效借鉴。

【技术实现步骤摘要】

本专利技术属于齿轮故障诊断
，特别涉及一种。
技术介绍
摆线锥齿轮作为重型车铣复合数控机床重载摆角铣头的核心传动部件，由于重载摆角铣头的加工对象为大型复杂曲面，因此摆线锥齿轮经常在振动、冲击、变载荷、频繁换向等非稳态工况下工作，会产生点蚀、磨损、崩裂甚至断齿等故障。故障状态又直接影响了摆角铣头的性能，导致数控机床加工出的零件不合格或整台机床停运，甚至产生连锁反应，严重影响企业的安全生产和经济效益。因此，研究摆线锥齿轮的故障诊断技术及方法，尽早发现并及时消除故障对于保障机床设备安全、避免事故和巨额经济损失及提高设备使用性能，具有非常重要的现实意义。为有效提高重载摆角铣头的加工性能及摆线锥齿轮的寿命和可靠性，有必要深入研究摆线锥齿轮的故障诊断技术及方法。本专利技术通过分析摆线锥齿轮故障振动信号的时域及频域特征，根据经验模态分解(EMD)方法及倒频谱分析方法，提出了一种，该专利技术方法能够准确提取出摆线锥齿轮的故障信息，实现摆线锥齿轮的故障诊断。本专利技术方法不仅能达到摆线锥齿轮状态监测和故障诊断的目的，且为其他旋转机械复合故障诊断技术提供了有效借鉴。
技术实现思路
本专利技术的目的是提供一种，通过对摆线锥齿轮振动信号进行分析和处理，准确地提取出摆线锥齿轮故障特征。本专利技术为摆线锥齿轮的故障诊断和特征提取提供了新方法，且为其他旋转机械复合故障诊断技术提供了有效借鉴。本专利技术是采用以下技术手段实现的:，其特征在于:具体步骤如下:SI利用加速度传感器对摆线锥齿轮副进行测量，采集该种齿轮的加速度振动信号作为待分析信号；S2将采集的待分析信号导入Matlab软件中，得到原始信号x (t)，采用经验模态分解法将原始信号进行分解，得到一系列固有模态函数IMF分量；S2.1.确定原始信号x(t)的所有局部极值点，用三次样条曲线将所有的极大值点连接起来形成X (t)的上包络线，同样连接所有的极小值点形成X (t)的下包络线，上下包络线应该包络所有的数据点；记上下包络线的平均值为Hl1U),并计算X(t)和!111(0的差值Mt),得到:Ii1 (t) = X (t) -Hi1 (t)；S2.2.对于不同的原始信号x(t)，hjt)可能满足固有模态函数MF的条件，也可能不满足；若不满足IMF条件，此时将Ill (t)作为原始信号，重复步骤S2.1得到Ill (t)的分解步骤，得到:hn(t) = K1 (t) -mn (t)其中，mn(t)为匕⑴的上、下包络线均值；S2.3.如果hn (t)不满足MF的条件，则分解继续，重复上述步骤2.1中的分解k次’得..hlk(t) = hi Q5^1) (t)-mlk(t)S2.4.判定hlk(t)是否为一个MF分量，必须要有分解终止准则，它可以定义为连续两个分解结果之间的标准差SD值:本文档来自技高网...

【技术保护点】
基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法，其特征在于：具体步骤如下：S1利用加速度传感器对摆线锥齿轮副进行测量，采集该种齿轮的加速度振动信号作为待分析信号；S2将采集的待分析信号导入Matlab软件中，得到原始信号x(t)，采用经验模态分解法将原始信号进行分解，得到一系列固有模态函数IMF分量；S2.1.确定原始信号x(t)的所有局部极值点，用三次样条曲线将所有的极大值点连接起来形成x(t)的上包络线，同样连接所有的极小值点形成x(t)的下包络线，上下包络线应该包络所有的数据点；记上下包络线的平均值为m1(t)，并计算x(t)和m1(t)的差值h1(t)，得到：h1(t)＝x(t)‑m1(t)；S2.2.对于不同的原始信号x(t)，h1(t)可能满足固有模态函数IMF的条件，也可能不满足；若不满足IMF条件，此时将h1(t)作为原始信号，重复步骤S2.1得到h1(t)的分解步骤，得到：h11(t)＝h1(t)‑m11(t)其中，m11(t)为h1(t)的上、下包络线均值；S2.3.如果h11(t)不满足IMF的条件，则分解继续，重复上述步骤2.1中的分解k次，得：h1k(t)＝h1(k‑1)(t)‑m1k(t)S2.4.判定h1k(t)是否为一个IMF分量，必须要有分解终止准则，它可以定义为连续两个分解结果之间的标准差SD值：SD=Σt=0T|h1(k-1)(t)-h1k(t)|2Σt=0Th1(k-1)2(t)]]>S2.5.当h1k(t)满足IMF的条件或SD值小于某一设定值，即认为h1k(t)是一个IMF分量，记C1(t)＝h1k(t)，得到第一个IMF分量；C1(t)表示原始信号的第1阶IMF分量；S2.6.令r1(t)＝x(t)‑C1(t)，将r1(t)作为新的待分析信号重复S2.1至S2.5的步骤，经过多次分解可以得到：ri(t)＝ri‑1(t)‑Ci(t)  i＝2,3,...,n当Cn(t)或rn(t)小于预定的误差；或rn(t)成为一个单调函数且不可再从中分解出满足IMF条件的分量时，分解结束；至此，信号x(t)被分解为：x(t)=Σi=1nCi(t)+rn(t)]]>S3、对IMF分量Ci(t)进行倒频谱分析，得到IMF分量的幅值倒频谱；S3.1.对IMF分量进行傅里叶变换得到：Ci(f)＝F[Ci(t)]式中，Ci(t)表示原始信号的第i阶IMF分量；F表示傅里叶变换；记IMF分量的功率谱为Gi(f)，则：Gi(f)＝|Ci(f)|2＝|F[Ci(t)]|2S3.2.对IMF分量的功率谱作自然对数转换后再进行傅里叶变换后得到IMF分量的幅值倒频谱，并记为Ci(τ)，即：Ci(τ)＝|F[lnGi(f)]|   i＝1,2,3...,n其中，τ为倒频率；Ci(τ)表示第i阶IMF分量的倒频谱；S4、采用Matlab软件中绘图工具绘制出幅值倒频谱图，根据倒频谱图中明显幅值处的倒频率值求取相应的频率值，倒频率的倒数即为频率值，并将得到的频率值与齿轮轴转频相比较，从而有效提取故障特征频率。...

【技术特征摘要】
1.基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法，其特征在于:具体步骤如下: Si利用加速度传感器对摆线锥齿轮副进行测量，采集该种齿轮的加速度振动信号作为待分析信号； S2将采集的待分析信号导入Matlab软件中，得到原始信号x (t)，采用经验模态分解法将原始信号进行分解，得到一系列固有模态函数IMF分量； S2.1.确定原始信号x(t)的所有局部极值点，用三次样条曲线将所有的极大值点连接起来形成x(t)的上包络线，同样连接所有的极小值点形成x(t)的下包络线，上下包络线应该包络所有的数据点；记上下包络线的平均值为Hl1U),并计算X(t)和!111(0的差值Ii1 (t)，得到: h...

【专利技术属性】
技术研发人员：杨文通，罗兵，刘志峰，湛承鹏，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11