【技术实现步骤摘要】
一种基于加权导数动态时间规整的齿轮微弱故障诊断方法
本专利技术涉及振动故障诊断领域,特别是一种基于加权导数动态时间规整的齿轮微弱故障诊断方法。
技术介绍
齿轮箱目前被广泛应用于工业生产领域,在其中扮演十分重要的角色,发挥着至关重要的作用,一旦发生故障,将严重影响工业生产,造成经济损失或者人身伤害。对齿轮箱进行故障诊断显得至关重要,其中齿轮作为动力传递的关键部件长时间、高负荷工作容易发生故障。大部分齿轮故障都是从微弱状态逐渐恶化,最终演变成严重的故障状态,所以有效的对齿轮的微弱故障进行及时检测和诊断,便可以有效的预防事故的发生。齿轮在制造和安装过程中都会存在合理的误差,这些误差将有可能作为振动的激励源,引起齿轮箱振动,在故障诊断时所采集到的齿轮箱振动信号会包含这些振动信号,微弱故障发生时由于故障水平微弱,其所引起的振动水平也比较微弱,微弱故障信息容易淹没在振动信号中。因此,对齿轮进行准确的故障诊断必须要解决以下关键问题:(1)提高信号的信噪比,使信号尽可能包含更多的原始故障信息。(2)排除齿轮自身存在的加工制造缺陷或者安装误差的干扰。(3)能够对微弱故障做出及时诊断,对微弱故障敏感。(4)能够准确处理非线性非平稳信号,具有较强的鲁棒性和快速性。目前大多数的研究都集中在滚动轴承的故障诊断方面,齿轮故障诊断也取得许多成果,但是对于齿轮微弱故障的诊断效果不佳。时域分析方法的指标较多,不同的应用场合需要使用不同的时域指标,小波包分析方法依赖于小波基的选取,深度学习方法计算量较大、计算速度 ...
【技术保护点】
1.一种基于加权导数动态时间规整的齿轮微弱故障诊断方法,其特征在于,包括以下步骤:/n步骤1:基于集合经验模态分解(EEMD)算法和频率相关性选择法的信号预处理;/n步骤2:基于加权导数动态时间规整(WDDTW)算法的残差向量信号提取;/n步骤3:基于希尔伯特变换方法的包络谱故障特征分析。/n
【技术特征摘要】
1.一种基于加权导数动态时间规整的齿轮微弱故障诊断方法,其特征在于,包括以下步骤:
步骤1:基于集合经验模态分解(EEMD)算法和频率相关性选择法的信号预处理;
步骤2:基于加权导数动态时间规整(WDDTW)算法的残差向量信号提取;
步骤3:基于希尔伯特变换方法的包络谱故障特征分析。
2.根据权利要求1所述的一种基于加权导数动态时间规整的齿轮微弱故障诊断方法,其特征在于,所述的步骤1中,基于集合经验模态分解(EEMD)算法和频率相关性选择法的信号预处理,其具体步骤为:
步骤1.1:使用EEMD算法分解原始健康振动信号OH(t)和原始故障振动信号OF(t);
步骤1.2:通过频率相关性选择法分别选择所需的本征模态函数(IMF)分量。
3.根据权利要求1所述的一种基于加权导数动态时间规整的齿轮微弱故障诊断方法,其特征在于,所述的步骤2中,基于加权导数动态时间规整(WDDTW)算法的残差向量信号提取,其具体步骤为:
步骤2.1:构建WDDTW算法的最优规整匹配路径WR;
步骤2.2:通过求残差运算获得原始残差向量信号OR;
步骤2.3:使用重采样技术将原始残差向量信号OR恢复原长,获得残差向量信号R。
4.根据权利要求1所述的一种基于加权导数动态时间规整的齿轮微弱故障诊断方法,其特征在于,所述的步骤3中,基于希尔伯特变换方法的包络谱故障特征分析,其具体步骤为:
步骤3.1:对残差向量信号R进行希尔伯特变换;
步骤3.2:包络谱故障特征分析。
5.根据权利要求2所述的一种基于加权导数动态时间规整的齿轮微弱故障诊断方法,其特征在于,所述的步骤1.1中,EEMD算法分解原始健康振动信号OH(t)和原始故障振动信号OF(t),其具体步骤为:
步骤1.1.1:齿轮箱在无故障状态下测得的振动信号作为原始健康振动信号OH(t),齿轮箱中的齿轮发生微弱故障状态下测得的振动信号作为原始故障振动信号OF(t);
步骤1.1.2:EEMD方法分别分解原始健康振动信号OH(t)和原始故障振动信号OF(t),获得多个本征模态函数(IMF)分量。
6.根据权利要求2所述的一种基于加权导数动态时间规整的齿轮微弱故障诊断方法,其特征在于,所述的步骤1.2中,通过频率相关性选择法分别选择所需的IMF分量,其具体步骤为:
步骤1.2.1:将原始健康振动信号OH(t)及其经EEMD算法分解所得到的所有IMF分量、原始故障振动信号OF(t)及其经EEMD算法分解所得到的IMF分量进行快...
【专利技术属性】
技术研发人员:尚志武,高茂生,李万祥,刘霞,俞燕,周士琦,
申请(专利权)人:天津工业大学,
类型:发明
国别省市:天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。