基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法技术

本发明专利技术公开了一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，搭建风电机组实验装置，通过风电机组实验装置采集行星齿轮箱振动信号；利用MED对行星齿轮箱振动信号进行去噪处理；对行星齿轮箱振动信号进行EMD分解，剔除无效分量，得到多个有效IMF分量，计算每个有效IMF分量的模糊熵值并保留模糊熵值最小的IMF分量；对模糊熵值最小的IMF分量的信号进行包络谱分析，分析故障特征频率。该方法能够有效提取故障特征频率，且能有效滤除噪声对特征频率的干扰，有效消除模态混叠、端点效应等现象对行星齿轮箱信号进行故障诊断的不良影响。

【技术实现步骤摘要】
基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法
本专利技术属于旋转机械故障诊断领域，尤其是基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法。
技术介绍
与定轴齿轮箱相比，行星齿轮箱具有体积小、重量轻、承载能力强、传动比大且传动效率高等优点，因此被广泛应用于航空、工程机械、风力发电、车辆等各类传动系统当中。由于行星齿轮箱通常工作在低速重载的环境中，其表面需承受交变载荷的作用，因此关键部位容易出现故障。行星齿轮箱的振动信号是多种激励因素的耦合，其频率成分十分复杂，不仅包含各部件的旋转频率，齿轮副啮合频率及其倍频，还含有设备被激起的固有频率；行星轮既与太阳轮啮合，又与其他行星轮啮合，这种啮合方式导致某些特征频率很低；行星轮与传感器相对位置随着运转的变化，振动传递路径不断变化，安装和制造误差、行星轮通过效应等都会引起信号的幅值或频率调制，导致边频带复杂，再加上环境噪声影响，故障频率容易被淹没，给振动分析带来很大困难。
技术实现思路
专利技术目的：为了解决现有技术存在的问题，有效消除模态混叠、端点效应等现象对故障诊断造成的不良影响，本专利技术提供一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法。技术方案：一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，包括以下步骤：(1)搭建风电机组实验装置，通过风电机组实验装置采集行星齿轮箱振动信号；(2)利用MED对行星齿轮箱振动信号进行去噪处理；(3)对行星齿轮箱振动信号进行EMD分解，剔除无效分量，得到多个有效IMF分量，计算每个有效IMF分量的模糊熵值并保留模糊熵值最小的IMF分量；(4)对模糊熵值最小的IMF分量的信号进行包络谱分析，分析故障特征频率。进一步的，步骤(1)中，行星齿轮箱振动信号的表达式为：y(n)＝h(n)x(n)+e(n)(1)式中，y(n)是行星齿轮箱振动信号，h(n)是传递函数，x(n)是行星齿轮箱冲击序列，e(n)为噪声。进一步的，步骤(2)中，构建逆滤波器ω(n)，ω(n)与y(n)、x(n)之间有以下关系：式中，l表示滤波器第l个点，L为逆滤波器ω(n)的长度；定义目标函数K(ω(n))：其中x(i)为序列x(n)的第i个值；取最优的滤波器ω(n)使目标函数K(ω(n))的值最大，滤波信号后的熵值最小。进一步的，步骤(3)中，对行星齿轮箱振动信号进行EMD分解的结果为：其中，J为分解出的IMF的总数，IMFm,1，IMFm,2……IMFm,j是分解出的j个本征模态函数，rm(t)为残余分量；重复对同一组行星齿轮箱振动信号进行EMD分解达总体平均次数K，获得K组IMF函数，得到的本征模态函数进行总体平均，即Cs(t)为EMD分解出来的第s个IMF分量。进一步的，步骤(3)中，剔除无效分量的方法为：求出各IMF分量和原信号之间的互相关函数值，设定阈值，对于互相关函数值低于阈值的IMF分量判定为无效分量，并予以剔除。进一步的，步骤(3)中，计算IMF分量的模糊熵值的方法为：假定采样点数为Ni的数据序列Y＝[y(1),y(2),...y(Ni)]的模式维数为mi，则重构生成一组mi维向量：Ymi(i)＝[y(i),y(i+1),...y(i+mi-1)]-u(i)，式中i＝1,2,...Ni-mi+1，令u(i)是向量的均值，即设向量Xmi(i),Xmi(j)之间的距离式中i,j＝1,2,...Ni-mi+1；由混沌伪随机序列复杂度预测的模糊隶属度函数求得两向量Xmi(i)、Xmi(j)间的相似度为定义中间函数φmi(r)：对mi+1维模式维数重复以上步骤得到原时间序列的模糊熵为FuzzyEn(mi,r,N)＝lnφmi(r)-lnφmi+1(r)(11)r为相似容限。进一步的，模式维数m取2，相似容限r＝0.2*SD，SD为行星齿轮箱振动信号中每个采样点的标准差。有益效果：本专利技术提供的一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，对振动信号采集，并对信号进行MED去噪处理后，进行EMD分解，分解后，结合EMD高频到低频的分解特点和模糊熵对IMF分量的筛选对振动信号进行分析。该方法能够有效提取故障特征频率，且能有效滤除噪声对特征频率的干扰，有效消除模态混叠、端点效应等现象对行星齿轮箱信号进行故障诊断的不良影响。附图说明图1为风电机组实验装置的结构示意图；图2为行星齿轮箱MED去燥前后对比图；图3(a)为1000r正常状态下行星齿轮箱振动信号包络谱图；图3(b)为1000r故障状态下行星齿轮箱振动信号包络谱图；图4(a)为1000r正常行星齿轮箱振动信号EMD模糊熵值最大IMF分量包络谱；图4(b)为1000r断齿行星齿轮箱振动信号EMD模糊熵值最大IMF分量包络谱。具体实施方式下面结合附图和具体实施例对本专利技术作进一步说明。一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，包括以下步骤：(1)搭建风电机组实验装置，风电机组实验装置示意图如图1所示，风电机组实验装置包括驱动电机1、主轴2、第一转矩转速传感器3、单级圆柱齿轮箱4、单级行星齿轮箱5、第一滚动轴承6、第一联轴器7、第二转矩转速传感器8、第一滚动轴承9、第一联轴器10及负载电机11。驱动电机模拟风轮转矩输入，经过二级齿轮传动后连接负载电机。为模拟风轮转速的时变特性，采用变频器对电机转速进行控制。通过人工加工缺陷方式制备行星齿轮箱各类型故障，该试验台可模拟滚动轴承和齿轮箱常见故障时轴承、主轴和齿轮箱的振动状况。本文研究的行星轮断齿故障也由人工制备，在行星齿轮箱座两侧安装PAC-UT1000低频宽带振动传感器。振动信号采集系统是由Polar9300e便携式工控机，内置PCI-2振动采集卡，采用UT-1000传感器，设置振动信号采样频率为5230，采样点为16384。通过风电机组实验装置采集行星齿轮箱振动信号，行星齿轮箱振动信号的表达式为：y(n)＝h(n)x(n)+e(n)(1)式中，y(n)是行星齿轮箱振动信号，h(n)是传递函数，x(n)是行星齿轮箱冲击序列，e(n)为噪声。(2)由于行星齿轮箱的振动信号带有较强的背景噪声，因此在信号提取故障前，需要对信号进行去噪处理。MED的基本原理是通过解反褶积突出尖脉冲，以峭度最大值作为迭代的终止条件。根据峭度原理，峭度值越大表明信号中冲击性成分比重越多，这一特性能够很好的突出冲击特征，因此MED方法十分适用于旋转机械冲击性故障信号的降噪处理。该步骤利用MED对行星齿轮箱振动信号进行去噪处理。MED算法的目的主要是寻找一种逆滤波器ω(n)，使得输出信号y(n)尽可能多的恢复x(n)的冲击特征。即：式中，l表示滤波器第l个点，L为逆滤波器ω(n)的长度；设为ω(n)的估计值，x(n)解卷积后的序列越接近行星齿轮箱的冲击信号x(n)，则熵值越小，同时趋于最优，因此这里采用x(n)的范数来衡量熵值的大小，定义函数K(ω(n))：其中x(i)为序列x(n)的第i个值；取最优的滤波器ω(n)使目标函数K(ω(n))的值最大，即滤波信号后的熵值最小。(3)对行星齿轮箱振动信号进行EMD分解，分解的结果为：其中，J为分解出的IMF的总数，IMFm,1，IMFm,2……IMFm,j是分解出的j个本征模态函数，rm(t)为残余分量；重复本文档来自技高网...

【技术保护点】
1.一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，包括以下步骤：(1)搭建风电机组实验装置，通过风电机组实验装置采集行星齿轮箱振动信号；(2)利用MED对行星齿轮箱振动信号进行去噪处理；(3)对行星齿轮箱振动信号进行EMD分解，剔除无效分量，得到多个有效IMF分量，计算每个有效IMF分量的模糊熵值并保留模糊熵值最小的IMF分量；(4)对模糊熵值最小的IMF分量的信号进行包络谱分析，分析故障特征频率。

【技术特征摘要】
1.一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，包括以下步骤：(1)搭建风电机组实验装置，通过风电机组实验装置采集行星齿轮箱振动信号；(2)利用MED对行星齿轮箱振动信号进行去噪处理；(3)对行星齿轮箱振动信号进行EMD分解，剔除无效分量，得到多个有效IMF分量，计算每个有效IMF分量的模糊熵值并保留模糊熵值最小的IMF分量；(4)对模糊熵值最小的IMF分量的信号进行包络谱分析，分析故障特征频率。2.如权利要求1所述的基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，步骤(1)中，行星齿轮箱振动信号的表达式为：y(n)＝h(n)x(n)+e(n)(1)式中，y(n)是行星齿轮箱振动信号，h(n)是传递函数，x(n)是行星齿轮箱冲击序列，e(n)为噪声。3.如权利要求2所述的基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，步骤(2)中，构建逆滤波器ω(n)，ω(n)与y(n)、x(n)之间有以下关系：式中，l表示滤波器第l个点，L为逆滤波器ω(n)的长度；定义目标函数K(ω(n))：其中x(i)为序列x(n)的第i个值；取最优的滤波器ω(n)使目标函数K(ω(n))的值最大，滤波信号后的熵值最小。4.如权利要求1所述的基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，步骤(3)中，对行星齿轮箱振动信号进行EMD分解的结果为：其中，J为分解出的IMF的总数，IMFm,1，IMFm,2……IMFm,j是分解出的j个本征模态函数，rm(t)为残...

【专利技术属性】
技术研发人员：邓艾东，朱静，翟怡萌，李晶，孙文卿，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32