【技术实现步骤摘要】
一种齿轮箱的故障诊断方法及诊断系统
[0001]本专利技术涉及齿轮箱故障诊断领域，具体而言，涉及一种齿轮箱的故障诊断 方法及诊断系统。
技术介绍
[0002]在大型旋转机械中，齿轮箱中的齿轮和轴承属于故障高发部件，且齿轮箱 运行环境恶劣如风力发电系统，往往会发生多故障并存的复合故障，若不及时 进行检修，会对机械系统造成严重的危害。复合故障由于各故障响应之间相互 干扰、耦合、混叠，导致特征信息难以分离和提取，从而无法判别故障类型。 如何从复合故障信号中提取出能有效表征齿轮箱故障状态的特征参数，并增大 故障特征之间的区分度是实现齿轮箱复合故障诊断的关键。
[0003]振动信号可以被认为是周期性冲击与机械部位共振响应的卷积结果，因此 解卷积技术是恢复周期性脉冲的有效方法并引起了广泛的关注。最小熵解卷积 (MED)方法通过寻找逆滤波器使峭度最大化并消除传播路径的影响，更准确的 恢复原始故障信号，但在复合故障识别过程中，能量较弱的共振频段会被抑制 或滤除，导致与这些共振频带卷积的原始故障脉冲无法恢复，通过解卷积输出 的结果，通...
【技术保护点】
【技术特征摘要】
1.一种齿轮箱的故障诊断方法，其特征在于，包括如下步骤：利用1/3二叉树策略将齿轮箱的原始复合故障信号划分为不同的频带，计算不同频带的峭度值以及奇异值负熵，以定义SVN
‑
Kurtosis图，从所述SVN
‑
Kurtosis图中选取最优频带；根据所述最优频带的中心频率和带宽得到滤波信号，对所述滤波信号进行多点峭度谱分析，根据所述多点峭度谱中提取的故障周期区间采用MOMEDA算法进行分离提取处理；对于所述分离提取处理的结果采用复合互相关谱进行故障特征加强分析。2.根据权利要求1所述的故障诊断方法，其特征在于，所述选择最优频带的方法从SVN
‑
Kurtosis图中的起始点开始选取。3.根据权利要求2所述的故障诊断方法，其特征在于，从SVN
‑
Kurtosis图中的起始点开始选取之后，将所述SVN
‑
Kurtosis图与所述峭度值组成的峭度图进行互相对应；若两频带在所述SVN
‑
Kurtosis图中相邻且在所述峭度图中也相邻，则Kurtosis值较高的频带即为所述最优频带。4.根据权利要求1所述的故障诊断方法，其特征在于，所述故障周期区间的选取方法包括：将所述多点峭度谱的峰值所对应的采样点数信号作为故障周期，所述峰值通过下述公式表示：其中，y为实际脉冲信号，t为目标常数矢量。...
【专利技术属性】
技术研发人员：齐咏生，贾舜宇，刘利强，李永亭，马然，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：
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。