基于连续振动分离和最小熵解卷积的行星轮故障检测方法技术

本发明专利技术属于装备的健康监测与故障诊断技术领域，公开了一种基于连续振动分离和最小熵解卷积的行星轮故障检测方法，包括：同步采集行星轮系多个测点的振动信号和转速脉冲信号；从各周期信号中提取出与目标轮齿相关的振动信号，形成数据集；根据轮齿啮合时序关系，从组合集中按照一定的映射重构方法，得到各轮齿部件的振动分离向量；将连续映射得到的信号进行最小熵解卷积滤波，得到增强后的故障特征信号。本发明专利技术能够深入行星轮系内部进行信号重构，得到连续的分离分解信号，并通过MED方法增强故障特征，能够承受一定程度的转速波动和载荷波动，能够对行星轮进行故障诊断，具有较强的应用价值。

【技术实现步骤摘要】
基于连续振动分离和最小熵解卷积的行星轮故障检测方法
本专利技术属于装备的健康监测与故障诊断
，尤其涉及一种基于连续振动分离和最小熵解卷积的行星轮故障检测方法。主要适用于在一定工况变化的情况下，从原始振动信号中分离出行星轮的连续振动信号并增强故障特征。
技术介绍
目前，业内常用的现有技术是这样的：行星轮系在直升机主减速器、风机齿轮箱等大型装备的传动系统中有广泛的应用，行星轮系的健康状况对装备的运行性能有很大的影响，一旦传动链中行星轮系发生故障，将造成装备停机，给生产造成极大的影响，为此，行星轮系的状态监测和故障诊断研究成为近年来的热点。目前，国内外的学者们针对行星轮系的故障诊断开展了一系列研究工作，将谱分析法、时频分析法等定轴齿轮故障诊断方法拓展到行星轮系的故障诊断中，在一定程度上解决了行星轮系故障诊断问题。但是行星轮故障诊断仍然面临以下核心问题：首先，行星轮系中通常包含多个行星轮，存在多个轮齿啮合副，故障轮齿啮合引发的冲击现象不明显，故障特征比较微弱；其次，行星轮系中振动信号的传递路径较长，振动信号由振动源传递到传感器的过程中故障特征衰减严重；最后，行星轮系中存在的轴、轴承等其他动部件的正常振动容易将故障，尤其是早期故障的故障特征信号淹没，影响故障诊断结果。为此，如何克服行星齿轮箱复杂运动和众多部件的不良影响，在噪声影响下的复杂振动信号中分离出行星轮的特征信号，并对故障特征进行增强成为行星轮系故障诊断研究的重点和难点问题。综上所述，现有技术存在的问题是：(1)行星齿轮箱中行星轮信号传递的时变路径及信号衰减问题。行星齿轮箱内部运行形式复杂，行星轮振动信号存在独特的时变传递路径问题，以及信号传递路径引起的信号衰减问题。如何克服信号传递路径的不良影响，有效解决信号衰减问题，成为进一步提高行星轮故障检测方法所面临的问题之一。(2)齿轮故障微弱信号检测问题。齿轮故障在早期特征信号相比正常的振动信号而言比较微弱，故障轮齿啮合引发的冲击现象很难通过常见的方法有效识别和检测。如何有效增强故障相关信号，在故障早期实现对故障的有效检测和隔离，成为进一步提高行星轮故障检测方法实用性和经济性的问题之一。(3)行星轮故障无法精确定位的问题。行星齿轮箱中往往存在多个行星轮，且行星轮之间的几何特征、运动及动力学特征甚至故障特征完全相同，现有技术往往只能将故障隔离到行星轮，但无法具体确定故障发生在哪个行星轮上。解决上述技术问题的难度和意义：解决上述问题，需要结合行星齿轮箱结构特点，深入行星齿轮箱内部；在齿轮运动规律和故障机理分析的基础上，摒弃传统齿轮箱故障诊断方法的研究范式，针对其独特的时变传递路径问题，提出一种新的信号处理手段，从传感器的监测信号中分离出各个行星轮的特征信号；进一步结合信号增强检测方法，从正常的振动以及噪声中检测出相对微弱的故障冲击信号。上述问题的解决，将有助于提高行星齿轮箱故障诊断的精细化水平，将行星轮故障隔离精度进一步提高；同时，也能够更早的发现故障，给维修作业提供更长的规划时间和决策空间，提高行星齿轮箱状态监测和故障诊断的经济效益。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于连续振动分离和最小熵解卷积的行星轮故障检测方法。本专利技术公开一种基于连续振动分离和最小熵解卷积的行星轮故障增强检测方法，该方法基于轮齿啮合关系求解和行星架回转的幅值调制效应，通过行星架的转速脉冲信号对振动信号进行分割、提取、组合，然后解算轮齿啮合关系，建立分离出的数据和轮齿之间的映射关系，重构出连续的太阳轮故障特征信号，并通过最小熵解卷积方法进行故障特征增强。该方法能够结合行星齿轮箱的结构特点，分离行星轮的动态特征，消除其他部件振动的影响，消除行星架回转的幅值调制效应，能够有效对故障相关的啮合脉冲信号进行增强，包含目标部件更多的故障信息。本专利技术是这样实现的，一种基于连续振动分离和最小熵解卷积的行星轮故障检测方法，其步骤为：①.数据采集和重采样：同步采集行星轮系多个测点的振动信号和转速脉冲信号，根据行星架旋转的转速脉冲信号进行数据分割和重采样。②.数据提取：从各周期信号中提取出与行星轮相关的振动信号，形成数据集。③.映射组合平均：根据轮齿啮合时序关系，从组合集中按照一定的映射重构方法，得到各轮齿部件的振动分离向量。④.最小熵解卷积故障特征增强：将连续映射得到的信号进行最小熵解卷积滤波，得到增强后的故障特征信号。进一步，所述步骤①的具体流程为：1.1.数据采集：使用同步采样方法，对多个测点的振动信号以及行星架的转速脉冲信号进行采样；此外，测量并记录加速度传感器和行星轮相对于转速传感器的安装位置，记录齿圈齿数Nr，行星轮齿数Np，太阳轮齿数Ns，行星轮个数NP；1.2.数据分割：以转速脉冲信号为基准，对各通道振动数据进行分割；1.3.数据滤波：对数据进行滤波处理，滤除不相干频率成分；1.4.重采样：对数据进行重采样，消除转速波动造成的各回转周期采样点数不同的影响。进一步，所述步骤②的具体流程为：2.1.计算提取索引：根据行星轮编号和振动传感器编号计算数据提取的中心点索引值；数据提取位置由提取索引表示，的物理意义为传感器Aj与行星轮Pi和对齐时刻，相应数据点对应的下标。该数据点与行星轮Pi和传感器Aj对齐的时刻对应。行星轮Pi的初始角度传感器Ai的安装位置角度为行星轮Pi与传感器Aj的分离角度定义为式中mod为模函数。分离角度表示行星轮Pi从初始位置运动到传感器Aj过程中，行星架转过的角度。每个行星架周期经过重采样，有个数据点，每两个点之间的间隔为在实际采样过程中，可能未在分离角度处进行采样，数据处理中取与Pi与Ai对准时刻距离最近的点代替，该数据点的索引是：式中round函数是最近取整函数。与实际对齐时刻的时间误差秒，影响可以忽略。2.2.确定数据长度：设定数据提取窗长，由数据窗长计算提取数据长度；确保一个轮齿的全部TMP在一个行星架周期内被提取到的一种方法是，采用和多个TMP相对应的额外的数据点。设Mv为一个奇数，该奇数表示所需要的数据的TMP数目。那么相应的提取数据点数给定为：lE＝MvNTPMv为奇数的限制是为了简化后续的分析，因为它处于与相关的波形的中心。提取的数据段的起始位置给定为：从而可得到数据点的范围为：任意传感器Aj和行星轮Pi的组合都可以确定一个数据提取位置，因此，对于有NP个行星轮NA个传感器的行星轮系故障诊断系统，共有NA×NP个数据提取位置。2.3.构成数据集：数据集是一个四维矩阵，各维度分别表示传感器编号、行星轮编号、行星架回转周期编号、数据点索引值。进一步，所述步骤③的具体流程为：3.1.构建AHM：将数据组按照行星轮追逐齿比划分为各个AHM；根据行星轮追逐齿比定义针对给定传感器和给定行星轮编号，其对应的数据集为一个2维矩阵，其中每段提取数据占据矩阵的一列，矩阵的列数与重采样信号的圈数相等。对该矩阵进行划分，每PHTR个数据段为一组，另存为AHM，共得到Nset个AHM。3.2.加窗映射：通过轮齿啮合时序求解，将AHM中数据映射到组合保持矩阵对应列向量中的相应位置，并求和重构行星轮一圈信号；对各个AHM集中数据匹配索引按照匹配索引对AHM数据加窗处理后映射到组合保持矩阵中的相应位置，并求和得本文档来自技高网...

【技术保护点】
1.一种基于连续振动分离和最小熵解卷积的行星轮故障检测方法，其特征在于，所述基于连续振动分离和最小熵解卷积的行星轮故障检测方法包括：步骤一，数据采集和重采样：同步采集行星轮系多个测点的振动信号和转速脉冲信号，根据行星架旋转的转速脉冲信号进行数据分割和重采样；步骤二，数据提取：从各周期信号中提取出与行星轮相关的振动信号，形成数据集；步骤三，映射组合平均：根据轮齿啮合时序关系，从组合集中按照一定的映射重构方法，得到各轮齿部件的振动分离向量；步骤四，最小熵解卷积故障特征增强：将连续映射得到的信号进行最小熵解卷积滤波，得到增强后的故障特征信号。

【技术特征摘要】
1.一种基于连续振动分离和最小熵解卷积的行星轮故障检测方法，其特征在于，所述基于连续振动分离和最小熵解卷积的行星轮故障检测方法包括：步骤一，数据采集和重采样：同步采集行星轮系多个测点的振动信号和转速脉冲信号，根据行星架旋转的转速脉冲信号进行数据分割和重采样；步骤二，数据提取：从各周期信号中提取出与行星轮相关的振动信号，形成数据集；步骤三，映射组合平均：根据轮齿啮合时序关系，从组合集中按照一定的映射重构方法，得到各轮齿部件的振动分离向量；步骤四，最小熵解卷积故障特征增强：将连续映射得到的信号进行最小熵解卷积滤波，得到增强后的故障特征信号。2.如权利要求1所述的基于连续振动分离和最小熵解卷积的行星轮故障检测方法，其特征在于，步骤一具体包括：1)数据采集：使用同步采样方法，对多个测点的振动信号以及行星架的转速脉冲信号进行采样；测量并记录加速度传感器和行星轮相对于转速传感器的安装位置，记录齿圈齿数Nr，行星轮齿数Np，太阳轮齿数Ns，行星轮个数NP；2)数据分割：以转速脉冲信号为基准，对各通道振动数据进行分割；3)数据滤波：对数据进行滤波处理，滤除不相干频率成分；4)重采样：对数据进行重采样，消除转速波动造成的各回转周期采样点数不同的影响。3.如权利要求1所述的基于连续振动分离和最小熵解卷积的行星轮故障检测方法，其特征在于，步骤二具体包括：i)计算提取索引：根据行星轮编号和振动传感器编号计算数据提取的中心点索引值；ii)定数据长度：设定数据提取窗长，由数据窗长计算提取数据长度；iii)构成数据集：数据集是一个四维矩阵，各维度分别表示传感器编号、行星轮编号、行星架回转周期编号、数据点索引值。4.如权利要求1所述的基于连续振动分离和最小熵解卷积的行星轮故障检测方法，其特征在于，步骤三具体包括：I)构建AHM：将数据组按照行星轮追逐齿比划分为各个AHM；II)加窗映射：通过轮齿啮合...

【专利技术属性】
技术研发人员：胡茑庆，程哲，张伦，陈徽鹏，张宇，沈建，陈凌，周洋，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43