一种基于SVD的齿轮箱信号降噪方法技术

本发明专利技术公开了一种基于SVD的齿轮箱信号降噪方法，根据齿轮箱的关键静态参数计算得到各级齿轮转速，根据各级齿轮转速计算得到齿轮的调制频率；将齿轮箱的振动信号转化为相应的Hankel矩阵，利用SVD分解为一系列奇异值分量，利用Hilbert变换得到每个奇异值分量对应的包络信号；计算每个包络信号的自相关信号，对自相关信号去趋势，计算每个去趋势项后的自相关信号对于调制频率对应的谐频能量；设定谐频能量阈值，取奇异值分量中谐频能量超过阈值的分量重构信号，得到去噪后的信号。本发明专利技术方法能够在复杂的齿轮箱信号中，滤除相关干扰，更好的发现齿轮故障，避免了齿轮故障的漏诊断或误诊断，保证齿轮的正常运行，减少故障带来的损失。

【技术实现步骤摘要】
一种基于SVD的齿轮箱信号降噪方法
本专利技术属于机械设备状态监测领域，具体涉及一种基于SVD的齿轮箱信号降噪方法。
技术介绍
作为广泛地应用于工业领域的齿轮箱设备，其内部结构复杂、部件众多，而且大多数齿轮箱运行环境恶劣、故障复杂且不易被察觉，因此当齿轮箱发生故障时，往往会造成严重的故障后果和巨大的经济损失，因此实时掌握齿轮箱的运行状态对企业安全高效生产意义重大。振动监测作为旋转机械状态维修的有效工具，已被广泛接受。但是齿轮箱设备故障种类众多(包括齿轮故障、轴承故障、轴系故障等)且工作环境恶劣的环境。因此，齿轮箱的振动信号往往表现为非平稳、调制复杂、噪声大。噪声大导致齿轮故障信号会被噪声信号所掩盖很难发现，当齿轮与轴承同时发生故障时，齿轮故障和轴承故障都会对原始信号进行相应的调制，复杂的信号调制会使轴承和齿轮故障难以区分。为了及时发现齿轮相关故障需要将轴承故障以及轴系故障的滤除，突出齿轮相关故障信号，即对原始信号进行降噪处理。现阶段对齿轮箱振动信号常见的降噪方法有很多，主要包括：1、利用传统滤波器方式的降噪，但该方法对于随机噪声信号以及轴承故障和齿轮故障信号混叠的信号并不能达到很好的效果。2、利用小波变换的降噪方法，但是如何选择合适的小波基函数是很大的问题，同一个小波基函数并不适用于所有齿轮箱信号。3、利用经验模态分解(EMD)的降噪方法，但该方法在利用样条插值获得信号上、下包络过程中存在着棘手的端点问题，并不适合工程应用。4、基于奇异值分解(SVD)的齿轮箱降噪方法，SVD能够揭示隐藏在信号中的弱固有模式，抑制不同分布的噪声，受到广泛的关注。与其他降噪处理技术相比，SVD无需预先定义基函数，具有更快、更容易实现的优点，因此该方法更适合工程应用。但是现阶段大多数SVD去噪方法，都是保留本质奇异值较大的分量，往往突出了被测信号中的高能量分量，忽略了早期故障引起的微弱特征，如早期的齿轮故障。传统的奇异值分解降噪在降噪过程中保留了能量最大的SCs，但是能量大并不一定是齿轮故障相关的信号，若采用这种SCs的保留方式，可能会造成一定的风险。
技术实现思路
本专利技术针对传统奇异值分解降噪(SVD)过程中只保留能量较大的奇异值分量SCs，可能造成微弱的齿轮故障信号也被过滤掉的问题，提出了一种基于SVD的齿轮箱信号降噪方法。为了实现上述目的，本专利技术采用如下技术方案：一种基于SVD的齿轮箱信号降噪方法，包括以下步骤：1)根据齿轮箱的关键静态参数计算得到各级齿轮转速，根据各级齿轮转速计算得到齿轮故障的调制频率；2)将齿轮箱的振动信号转化为相应的Hankel矩阵，利用SVD分解为一系列奇异值分量，利用Hilbert变换得到每个奇异值分量对应的包络信号；3)计算每个包络信号的自相关信号，对自相关信号去趋势，计算每个去趋势项后的自相关信号的对于调制频率对应的谐频能量；4)设定相应的谐频能量阈值，取奇异值分量中谐频能量超过阈值的分量重构信号，得到去噪后的信号。具体的，步骤1)中，所述齿轮箱的关键静态参数为：电机的额定转速、各级齿轮齿数。具体的，步骤1)中，第一级齿轮调制频率：fmod1＝nomSpeed/60第二级齿轮调制频率：第三级齿轮调制频率：第H级齿轮调制频率：其中：nomSpeed为电机的额定转速，z1，z2，z3，z4…zH，z(H+1)分别为各级齿轮齿数。具体的，步骤2)中，将齿轮箱的振动信号X＝[x1,x2,…,xN]转换为Hankel矩阵A，即：其中：m＝N-n+1；利用SVD分解，将振动信号X分解为一系列奇异值分量SCs(i),i＝1,2,…,m，其中：m＝N-n+1，m为30～50之间的某个数，N为信号的采样点数，n为Hankel矩阵的列数；具体：将矩阵A分解为：其中：U为m阶酉矩阵，V为n阶酉矩阵，σi，i＝1,2,…,m为矩阵A的奇异值；A＝σ1u1v1τ+σ2u2v2τ+…+σmumvmτ＝A1+A2+…+Am其中Ai，i＝1,2,…,m对应于原始的振动信号X中的一个奇异分量SCs(i)；振动信号x(t)的Hilbert变换为：其中：dτ为积分变量。具体的，步骤3)中，自相关信号的计算公式为：其中：N为数据长度，n为时延数；利用最小二乘法拟合出自相关信号R(sigN)的趋势项T(sigN)，去趋势项后的信号为：DR(sigN)＝R(sigN)-T(sigN)；谐频能量计算方法：首先将去趋势项后的自相关信号DR(sigN)通过FFT计算得到其频谱；根据输入需计算的频率f及需计算的谐频数量k，在频谱中找到调制频率f的1至k倍谐频幅值幅值序列fAmp＝[fAmp(1),fAmp(2),…,fAmp(k)]，计算得频率f的谐频能量EnergSc(i),i＝1,2,3,…,m，对应第i个奇异值分量的谐频能量：具体的，步骤4)中，取调制频率谐频能量大于所述设定的谐频能量阈值的奇异值分量：gtSCS(i)＝[EnergSc(i)；s.t.EnergSc(i)≥Threshold]，并计算各奇异值分量对应的权重w(i)：利用大于阈值的奇异值分量加权重构信号，得到降噪后的信号ReX：具体的，步骤2)中，将多个所述振动传感器分别安装在齿轮箱各轴的轴承位置，采集齿轮箱的振动信号，基于所述采集的齿轮箱振动信号进行齿轮箱信号降噪。本专利技术的有益效果如下：本专利技术方法在奇异值分解(SVD)的基础上，根据齿轮箱故障信号特点，以信号调制特性作为奇异值分量的筛选标准，相较于传统的SVD降噪方法突出了齿轮箱故障相关的调制信号，可以在复杂的齿轮箱信号中，滤除相关干扰，更好的发现齿轮故障，避免了齿轮故障的漏诊断或误诊断，从而保证齿轮的正常运行，减少故障带来的损失。附图说明构成本申请的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术实施例提供的齿轮箱信号降噪方法整体流程图；图2是传统SVD降噪方法降噪效果图；图3是本专利技术实施例提供的齿轮箱信号降噪方法具有调制特性的典型自相关图谱；图3(a)为有调制-自相关信号，图3(b)为有调制-自相关频谱，图3(c)为无调制-自相关信号，图3(d)为无调制-自相关频谱；图4是具有齿轮故障的原信号示意图；图4(a)为原信号，图4(b)为原信号频谱；图5是各个奇异值分量的自相关信号对调制频率的谐频能量示意图；图6是谐频能量计算流程图；图7是降噪后信号示意图；图7(a)为降噪后信号，图7(b)为降噪后信号频谱。具体实施方式下面将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。<本文档来自技高网...

【技术保护点】
1.一种基于SVD的齿轮箱信号降噪方法，其特征在于，包括以下步骤：/n1)根据齿轮箱的关键静态参数计算得到各级齿轮转速，根据各级齿轮转速得到齿轮故障的调制频率；/n2)将齿轮箱的振动信号转化为相应的Hankel矩阵，利用SVD分解为一系列奇异值分量，利用Hilbert变换得到每个奇异值分量对应的包络信号；/n3)计算每个包络信号的自相关信号，对自相关信号去趋势，计算每个自相关信号的对于调制频率对应的谐频能量；/n4)设定相应的谐频能量阈值，取奇异值分量中谐频能量超过阈值的分量重构信号，得到去噪后的信号。/n

【技术特征摘要】
1.一种基于SVD的齿轮箱信号降噪方法，其特征在于，包括以下步骤：
1)根据齿轮箱的关键静态参数计算得到各级齿轮转速，根据各级齿轮转速得到齿轮故障的调制频率；
2)将齿轮箱的振动信号转化为相应的Hankel矩阵，利用SVD分解为一系列奇异值分量，利用Hilbert变换得到每个奇异值分量对应的包络信号；
3)计算每个包络信号的自相关信号，对自相关信号去趋势，计算每个自相关信号的对于调制频率对应的谐频能量；
4)设定相应的谐频能量阈值，取奇异值分量中谐频能量超过阈值的分量重构信号，得到去噪后的信号。


2.根据权利要求1所述的基于SVD的齿轮箱信号降噪方法，其特征在于，步骤1)中，所述齿轮箱的关键静态参数为：电机的额定转速、各级齿轮齿数。


3.根据权利要求1所述的基于SVD的齿轮箱信号降噪方法，其特征在于，步骤1)中，
第一级齿轮调制频率：fmod1＝nomSpeed/60
第二级齿轮调制频率：
第三级齿轮调制频率：
第H级齿轮调制频率：
其中：nomSpeed为电机的额定转速，z1，z2，z3，z4…zH，z(H+1)分别为各级齿轮齿数。


4.根据权利要求1所述的基于SVD的齿轮箱信号降噪方法，其特征在于，步骤2)中，
将齿轮箱的振动信号X＝[x1,x2,…,xN]转换为Hankel矩阵A，即：



其中：m＝N-n+1；
利用SVD分解，将振动信号X分解为一系列奇异值分量SCs(i),i＝1,2,…,m，其中：m＝N-n+1，m为30～50之间的某个数，N为信号的采样点数，n为Hankel矩阵的列数；具体：
将矩阵A分解为：



其中：U为m阶酉矩阵，V为n阶酉矩阵；σi为矩阵A的奇异值，i＝1,2,…,m；
A＝...

【专利技术属性】
技术研发人员：彭朋，田秦，胡翔，吕芳洲，夏立印，
申请(专利权)人：西安因联信息科技有限公司，
类型：发明
国别省市：陕西;61