一种基于DRS处理及主成分分析的齿轮退化指标提取方法技术

本发明专利技术公开了一种基于DRS处理及主成分分析的齿轮退化指标提取方法，包括如下步骤：步骤1：通过振动加速度传感器采集齿轮运行产生的振动信号x(n)，将采集的振动信号在信号长度对应的第kT时刻添加长度为N的窗函数w

【技术实现步骤摘要】
一种基于DRS处理及主成分分析的齿轮退化指标提取方法
本专利技术属于设备状态监测领域，具体涉及一种基于DRS处理及主成分分析的齿轮退化指标提取方法。
技术介绍
齿轮作为机械设备中重要的结构部件和传动部件，在航空航天、交通运输、农业生产、电力传输等领域起着不可或缺的重要作用。然而由于齿轮工作条件复杂等原因，齿轮及齿轮箱很容易在运行过程中产生损伤，进而引起齿轮运行故障，影响齿轮的传动精度，甚至影响设备的运行可靠性，造成重大安全隐患。因此提取齿轮运行性能指标，对齿轮运行状态进行实时监测显得十分重要。齿轮由于生产制造缺陷、安装误差，以及运行过程中产生磨损、裂纹等现象均会导致齿轮运行时产生振动。齿轮振动信号主要表现为调制特征，即齿轮啮合频率被齿轮所在轴的转频调制，齿轮轴转频即为调制信号。在振动信号的频谱中表现为以齿轮啮合频率为中心，调制信号以边频的形式，在啮合频率左右等间隔对称分布，且齿轮故障程度不同，齿轮转频对啮合频率的调制程度也不同。因此提取齿轮振动信号的调制频率，能有效检测齿轮运行的状态特征。J.Antoni提出离散随机分离(Discreterandomseparation,简写DRS)方法,可从齿轮振动信号中分离调制频率，实现齿轮故障特征的提取。而KarlPearson提出的主成分分析法(PrincipalComponentAnalysis，简写PCA)通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，从而实现原始数据的降维和特征融合。本专利技术基于DRS方法提取齿轮啮合的调制信号，并利用主成分分析方法将齿轮啮合的边频有效值(即RMS值)进行融合，获取齿轮退化指标。
技术实现思路
本专利技术的目的在于提供一种基于DRS处理及主成分分析的齿轮退化指标提取方法，根据齿轮运行时产生的振动特征，提取评估齿轮运行状态的退化指标，对设备齿轮运行状态进行实时监测和分析。本专利技术的技术方案如下：一种基于DRS处理及主成分分析的齿轮退化指标提取方法，包括如下步骤：步骤1：通过振动加速度传感器采集齿轮运行产生的振动信号x(n)，将采集的振动信号在信号长度对应的第kT时刻添加长度为N的窗函数wN(n)，构造加窗时域信号xk(n)，满足xk(n)＝x(n+kT)wN(n)；步骤2：通过窄带滤波的方法从降噪信号中分别提取齿轮1-4倍啮合频率对应边频信息，对提取结果进行希尔伯特解调，获取1-4倍啮合频率边频包络谱信息；步骤3：计算1-4倍啮合频率边频包络信息的RMS值，并对所求的RMS数据构造相应矩阵，基于各数据的均值及方差对矩阵进行标准化处理。所述的步骤1包括，将采集的振动信号在kT-N-Δ对应的时刻添加长度为N的窗函数wN(n)，构造对应的加窗时域信号xkd(n)，并满足所述的步骤1包括，基于最小均方差预测误差的原则构建DRS最优滤波器，并对加窗信号进行DRS处理，提高信号信噪比。所述的步骤1中基于最小均方差预测误差原则的最优滤波器基于如下频响特征进行构造：其中，pk为加窗信号xk(n)的确定性成分，为加窗信号的确定性成分，为加窗信号的非确定性成分，为加窗信号和xk(n)的互功率谱，为加窗信号的自功率谱，为确定性成分和pk的互功率谱，为确定性成分的自功率谱，为非确定性成分的自功率谱。所述的步骤3根据主成分分析方法，求解标准化矩阵的相关矩阵，计算其特征值及特征向量。所述的步骤3基于特征向量计算各特征成分的累计方差，并选取累计方差贡献率在75％以上的特征成分进行融合，最终获取齿轮退化指标。本专利技术的有益效果在于：利用振动加速度传感器采集设备的齿轮振动信号，获取该信号的时域图及频谱图，如附图1、附图2所示；将上述信号进行DRS处理，基于最小均方差预测误差的原则选取DRS对应的最优滤波器，基于选取的滤波器对原始信号进行降噪处理，通过窄带滤波获取齿轮啮合的1-4倍啮合频率边频信息，通过希尔伯特解调获取边频信息对应的包络谱，其中1倍啮合频率边频包络谱信息如附图3所示；通过主成分分析法计算1-4倍啮合频率边频包络谱的RMS值，并选择各成分累计方差贡献率在75％以上的特征成分进行融合，获取齿轮退化指标。根据齿轮退化指标绘制的齿轮运行的退化趋势如附图4所示。附图说明图1为原始信号时域图；图2为原始信号频谱图；图3为DRS提取的1倍啮合频率边频信息；图4为齿轮运行的退化趋势图；图5为本专利技术所提供的一种基于DRS处理及主成分分析的齿轮退化指标提取方法流程示意图。具体实施方式下面结合附图及具体实施例对本专利技术作进一步详细说明。如图5所示，一种基于DRS处理及主成分分析的齿轮退化指标提取方法，包括如下步骤：步骤1：通过振动加速度传感器采集齿轮运行产生的振动信号x(n)，将采集的振动信号在信号长度对应的第kT时刻添加长度为N的窗函数wN(n)，构造加窗时域信号xk(n)，满足xk(n)＝x(n+kT)wN(n)；同时设Δ为信号相邻两个窗函数之间的信号时间间隔，将采集振动信号在kT+N+Δ对应的时刻添加长度为N的窗函数wN(n)，构造对应的加窗时域信号，设为该时域信号满足基于最小均方差预测误差的原则构建DRS最优滤波器，并对加窗信号进行DRS处理，提高信号信噪比。其中基于最小均方差预测误差原则的最优滤波器基于如下频响特征H(f)进行构造：其中，pk为加窗信号xk(n)的确定性成分，为加窗信号的确定性成分，为加窗信号的非确定性成分，为加窗信号和xk(n)的互功率谱，为加窗信号的自功率谱，为确定性成分和pk的互功率谱，为确定性成分的自功率谱，为非确定性成分的自功率谱。步骤2：通过窄带滤波的方法从降噪信号中分别提取齿轮1-4倍啮合频率对应边频信息，对提取结果进行希尔伯特解调，获取1-4倍啮合频率边频包络谱信息；步骤3：计算1-4倍啮合频率边频包络谱的RMS值，并对所求的RMS数据构造相应矩阵，基于各数据的均值及方差对矩阵进行标准化处理。根据主成分分析方法，求解标准化矩阵的相关矩阵，计算其特征值及特征向量。基于特征向量计算各特征成分的累计方差，选取累计方差贡献率大于75％的特征成分进行融合，最终获取齿轮退化指标。本文档来自技高网...

【技术保护点】
1.一种基于DRS处理及主成分分析的齿轮退化指标提取方法，其特征在于，包括如下步骤：/n步骤1：通过振动加速度传感器采集齿轮运行产生的振动信号x(n)，将采集的振动信号在信号长度对应的第kT时刻添加长度为N的窗函数w

【技术特征摘要】
1.一种基于DRS处理及主成分分析的齿轮退化指标提取方法，其特征在于，包括如下步骤：
步骤1：通过振动加速度传感器采集齿轮运行产生的振动信号x(n)，将采集的振动信号在信号长度对应的第kT时刻添加长度为N的窗函数wN(n)，构造加窗时域信号xk(n)，满足xk(n)＝x(n+kT)wN(n)；
步骤2：通过窄带滤波的方法从降噪信号中分别提取齿轮1-4倍啮合频率对应边频信息，对提取结果进行希尔伯特解调，获取1-4倍啮合频率边频包络谱信息；
步骤3：计算1-4倍啮合频率边频包络信息的RMS值，并对所求的RMS数据构造相应矩阵，基于各数据的均值及方差对矩阵进行标准化处理。


2.如权利要求1所述的一种基于DRS处理及主成分分析的齿轮退化指标提取方法，其特征在于：所述的步骤1包括，将采集的振动信号在kT-N-Δ对应的时刻添加长度为N的窗函数wN(n)，构造对应的加窗时域信号并满足


3.如权利要求1所述的一种基于DRS处理及主成分分析的齿轮退化指标提取方法，其特征在于：所述的步骤1包括，基于最小均方差预测误差的原则构建DRS最优滤波器，并对加窗信号进行DRS处理，提高信号信噪比。


4.如权利要...

【专利技术属性】
技术研发人员：臧家林，王欣，张福海，杨少杰，王俊，
申请(专利权)人：核电运行研究上海有限公司，
类型：发明
国别省市：上海;31