一种基于VMD和符号序列熵分析的齿轮故障诊断方法技术

本发明专利技术公开一种基于VMD和符号序列熵分析的齿轮故障诊断方法，采用的技术方案如下所示：首先采集齿轮的声音信号X＝x1,x2,

【技术实现步骤摘要】
一种基于VMD和符号序列熵分析的齿轮故障诊断方法


[0001]本专利技术属于机械故障诊断领域，涉及到工程测试技术以及信号处理技术，本专利技术方法中，包含VMD算法、MWSSE算法。

技术介绍

[0002]齿轮是旋转机械设备的关键部件，具有重要的应用价值，由于其结构复杂，在工业领域工作条件恶劣，容易发生故障。在齿轮的故障诊断方法中，通过对齿轮运行过程中产生的声音信号进行分析处理是实现其故障诊断的常用方法。但如何从具有非线性、非平稳性等特点的齿轮故障振动信号中提取有效的故障特征是实现其故障诊断的关键。
[0003]近年来，随着非线性科学的发展，许多非线性分析方法，如分形维数、近似熵、样本熵、模糊熵、排列熵等已广泛应用于机械故障诊断领域，在表征机械故障诊断信号的复杂度方面，具有不错的应用效果。符号序列熵同样是一种有效的非线性信号分析方法，具有运算快速简单、抗干扰能力强等特点，在非线性、非平稳信号的分析中得到了不错的应用效果，但在机械故障声音信号的分析上还较少。因此，本文拟将符号序列熵应用于齿轮非线性故障声音信号的分析中，通过信号的符号序列熵来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于VMD和符号序列熵分析的齿轮故障诊断方法，其特征在于：该方法包括以下步骤步骤(1)：采集齿轮运行的声音信号；步骤(2)：对采集的信号进行VMD分解处理；VMD方法将本征模态函数IMF定义为调幅
‑
调频信号u
k
(t)，其表达式如下：u
k
(t)＝A
k
(t)cos(φ
k
(t))
ꢀꢀꢀꢀꢀꢀ
(1)式中，A
k
(t)是u
k
(t)瞬时幅值；u
k
(t)的瞬时频率ω
k
(t)为φ
k
(t)一阶导数；VMD的约束模型公式如下：式中，f(t)是原始振动信号；{u
k
}＝{u1,
…
,u
K
}是原始信号分解后得到的K个IMF；{ω
k
}＝{ω1,
…
,ω
K
}表示分解得到的每个IMF所对应的中心频率；是对t求偏导，*为卷积运算；为了得到变分问题的最优解，引入了增广Lagrange函数乘子λ(t)及二次惩罚因子α，将约束优化问题变为非约束优化问题：式中，δ(t)为冲击函数，用交替方向乘子算法可求得Lagrange函数的鞍点，即为最优解；步骤(3)：计算各个分量的瞬时频率的均值，通过比较选取合适的分解次数K；步骤(4)：重构信号；步骤(5)：计算重构信号的MWSSE；步骤(6)：通过对MWSSE计算分析，计算出各类齿轮的MWSSE衰减至0.1左右时的权重因子u的值，通常正常齿轮与故障齿轮对应的权重因子u值差异实现不同故障类型齿轮的分类。2.如权利要求1所述的一种基于VMD和符号序列熵分析的齿轮故障诊断方法，其特征在于：步骤(4)中重构信号的具体算法如下：1)初始化和n＝0；2)n＝n+1，进入循环；3)依据u
k
和ω
k
的更新公式进行更新，直至分解个数达到K时停止内循环；
4)依据λ...

【专利技术属性】
技术研发人员：吕勇，朱熹，袁锐，蔡志鑫，吴红安，李欢，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：