基于尺度空间和改进稀疏表示的齿轮箱故障特征提取方法技术

本发明专利技术涉及一种基于尺度空间和改进稀疏表示的齿轮箱故障特征提取方法，包括：对原始信号使用尺度空间根据频带划分为若干以齿轮的各阶啮合频率为中心的频段分量信号；为频段分量信号构造无噪声DCT字典；构建用于对频段分量信号进行稀疏分解的观测字典，包括基于奇异值分解算法在正交匹配追踪算法迭代过程中向无噪声DCT字典的原子中添加噪声信号获得含噪声DCT字典；以最小方差和内积的融合指标为准则选取观测字典中的最优原子；基于正交匹配追踪算法利用观测字典对频段分量信号进行稀疏重构；解调谱分析然后提取齿轮箱故障特征频率。本发明专利技术用于提取齿轮箱故障特征，较其他方法具有更高的时频分辨率和重构精度。

【技术实现步骤摘要】
基于尺度空间和改进稀疏表示的齿轮箱故障特征提取方法
本专利技术涉及旋转机械振动信号分析
，尤其是一种基于尺度空间和改进稀疏表示的齿轮箱故障特征提取方法。
技术介绍
齿轮箱作为工业场景中常用的旋转机械之一，齿轮箱有固定的传动比，大的驱动扭矩和紧凑的结构，已广泛用于各种机械中。齿轮箱通常在恶劣的条件下工作，容易出现故障，所以对齿轮箱的故障诊断研究有着重要的现实意义。但是，在实际工程中测得的振动信号总是非线性、非平稳的特性，其受到部件间多传递路径耦合作用的影响，振动信号中掺杂着强背景噪声和干扰源信号，致使齿轮箱的故障特征提取极其复杂和困难。因此，如何有效恢复强背景噪声及干扰源信号下的齿轮箱故障特征信息值得深入研究。近年来，出现各种各样的非线性、非平稳信号分解和分析的方法。经验模态分解(EMD，empiricalmodedecomposition)作为典型的自适应时频分析方法，具有良好的时频聚集性，且无需构造任何匹配信号分量的基函数。但EMD存在模态混叠、端点效应等缺陷，缺乏必要的数学理论，模型复杂。为解决EMD模态混叠的问题，集合经验模本文档来自技高网...

【技术保护点】
1.一种基于尺度空间和改进稀疏表示的齿轮箱故障特征提取方法，其特征在于，所述方法包括：/n步骤一、获得所需要分解的齿轮箱振动原始信号；/n步骤二、对所述原始信号使用尺度空间根据频带划分为若干以齿轮的各阶啮合频率为中心的频段分量信号；/n步骤三、为所述频段分量信号构造无噪声DCT字典；/n步骤四、构建用于对所述频段分量信号进行稀疏分解的观测字典，包括：/n基于正交匹配追踪算法在迭代过程中向所述无噪声DCT字典的每个原子中添加噪声信号，获得含噪声DCT字典，所述含噪声DCT字典结合所述无噪声DCT字典形成所述观测字典；所述噪声信号根据奇异值分解算法求得；/n同时，以最小方差和内积的融合指标为准则选...

【技术特征摘要】
1.一种基于尺度空间和改进稀疏表示的齿轮箱故障特征提取方法，其特征在于，所述方法包括：
步骤一、获得所需要分解的齿轮箱振动原始信号；
步骤二、对所述原始信号使用尺度空间根据频带划分为若干以齿轮的各阶啮合频率为中心的频段分量信号；
步骤三、为所述频段分量信号构造无噪声DCT字典；
步骤四、构建用于对所述频段分量信号进行稀疏分解的观测字典，包括：
基于正交匹配追踪算法在迭代过程中向所述无噪声DCT字典的每个原子中添加噪声信号，获得含噪声DCT字典，所述含噪声DCT字典结合所述无噪声DCT字典形成所述观测字典；所述噪声信号根据奇异值分解算法求得；
同时，以最小方差和内积的融合指标为准则选取所述观测字典中的最优原子；
步骤五、基于正交匹配追踪算法利用所述观测字典对所述频段分量信号进行稀疏重构，获得重构的分解分量；
步骤六、根据皮尔逊相关系数准则选取与所述频段分量信号相关性最大的分解分量进行解调谱分析，以提取齿轮箱故障特征频率。


2.根据权利要求1所述的方法，其特征在于，所述步骤二中，利用高斯核函数对所述原始信号的频谱进行循环卷积，获得频谱的局部极小值，以求得尺度空间层的递进差，并将所述递进差作为尺度空间曲线；针对所述尺度空间曲线计算预估频段的划分频率点集合，根据所述频率点集合得到若干个带通滤波的截止频率带；最后根据所述截止频率带使用带通滤波将所述原始信号划分为若干个所述频段分量。


...

【专利技术属性】
技术研发人员：毛一帆，许飞云，胡建中，贾民平，黄鹏，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32