提取声学信号识别与盲解卷积算法的齿轮箱故障的方法技术

本发明专利技术公开了提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，S1：利用传声器接收机械系统观测通道；S2：对观测通道输出的结果进行分帧，求取平均功率，并与噪声功率相减；S3：将经过S2处理后信号进行奇偶截取，得到截取拓展信号；S4：对截取拓展信号进行预处理，使用盲源分离算法对截取拓展信号进行分离；S5：对分离的结果密度峰值聚类，将同类分离结果归为一类；S6：计算各类中信号与聚类中心的距离，分别筛选出距离各聚类中心最近的多个分离结果，可在不适合测量振动信号与采样长度较短的情况下使用，对机械声信号进行故障特征提取和诊断。诊断。诊断。

【技术实现步骤摘要】
提取声学信号识别与盲解卷积算法的齿轮箱故障的方法


[0001]本专利技术属于齿轮箱多故障提取方法领域，具体为提取声学信号识别与盲解卷积算法的齿轮箱故障的方法。

技术介绍

[0002]机械声信号由机械设备振动产生，与机械振动信号同根同源，蕴含着相同的信息。当机械系统如齿轮或轴承出现故障时，其声信号往往会表现出冲击特征，根据冲击特征情况可以监测机械设备故障状态。声学信号诊断相较于振动信号诊断，具有无需接触、适用范围广、操作简单等多个优点，因此在不方便安装传感器测量振动信号时，可以利用机械声信号对故障设备进行故障诊断。
[0003]许多机械设备中都使用齿轮箱传动，传动过程中齿轮箱的工作状态很大程度上决定了整个机械设备的工作状态。通常情况下，在设备运行过程中不止一个齿轮会产生故障，不同的故障信号在到传声器的传播过程中会混合在一起，除此之外，故障声信号也极容易因为墙壁或地面反射、环境中存在高斯噪声等原因产生时延；以上各种原因共同作用，形成的是典型的卷积混合模型，故从观测混合信号中提取故障信息的过程可以看作一个普通盲解卷积的过程。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，包括以下步骤：S1：利用传声器接收机械系统观测通道；S2：对观测通道输出的结果进行分帧，求取平均功率，并与噪声功率相减；S3：将经过S2处理后信号进行奇偶截取，得到截取拓展信号；S4：对截取拓展信号进行预处理，使用盲源分离算法对截取拓展信号进行分离；S5：对分离的结果密度峰值聚类，将同类分离结果归为一类；S6：计算各类中信号与聚类中心的距离，分别筛选出距离各聚类中心最近的多个分离结果；S7：根据筛选出的分离结果与其聚类中心的距离，计算各筛选结果所占比重，并将各筛选结果赋权融合，得到重构结果；S8：分析重构结果频域幅值谱中的故障信息。2.根据权利要求1所述的提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，所述S2包括以下子步骤：S21：初始化观测通道分帧数z，并对每帧信号加汉明窗；S22：对加汉明窗后的信号帧进行快速傅里叶变换，并求各帧信号功率谱；S23：根据各帧信号功率谱求取平均噪声功率，进行谱减运算，得到减噪信号d(t)。3.根据权利要求1所述的提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，所述S3包括以下子步骤：S31：初始化奇偶截取长度H；S32：根据奇偶截取长度H对减噪信号d(t)进行奇偶截取，生成截取拓展信号4.根据权利要求1所述的提取声学信号识别与盲解卷积算法的齿轮箱故障的方法，其特征在于，所述S4包括以下子步骤：S41：对截取拓展信号进行去均值和白化处理以使各信号统计独立，得到处理后数据S42：对处理后数据执行二阶盲辨识算法，借助该算法分离时对信号低频成分中的微弱故障进行提取，得到分...

【专利技术属性】
技术研发人员：王宇，赵强，罗锋，孙华，冯志明，
申请(专利权)人：西华大学，
类型：发明
国别省市：