检测齿轮啮合的方法、随机森林模型、训练方法及系统技术方案

本申请提供一种检测齿轮啮合的方法、随机森林模型、训练方法及系统，训练方法包括：获取齿轮机构在不同齿轮啮合状态测试下的振动图像序列；提取振动图像序列中目标区域内预设数量像素点的振动位移信号；根据每个像素点的振动位移信号，分别计算对应的特征值，构建训练样本；以训练样本中特征值作为输入，以预测齿轮啮合状态类别作为输出，对待训练的随机森林模型进行训练。相比于加速度计采集振动信号，本申请可以同时提取振动图像内每个像素点对应位置的振动位移信号，这样，能够在小样本条件下，通过增加信号提取位置来获得足够多的数据，从而实现对齿轮啮合状态的准确分类。从而实现对齿轮啮合状态的准确分类。从而实现对齿轮啮合状态的准确分类。

【技术实现步骤摘要】
检测齿轮啮合的方法、随机森林模型、训练方法及系统


[0001]本申请属于齿轮机构故障检测
，尤其涉及一种检测齿轮啮合的方法、随机森林模型、训练方法及系统。

技术介绍

[0002]齿轮机构是机械系统中应用最为广泛的一种传动方式，齿轮的啮合状态是影响传动系统工作性能和服役可靠性的关键因素。齿轮的啮合状态受到设计、加工和装配三个阶段因素的共同影响。设计阶段和加工阶段相关研究的深入和技术的进步对确保齿轮的啮合质量发挥了重要作用。在设计阶段，国内外学者在齿轮零件的参数分析优化、齿轮公差优化方面进行了大量研究；在加工阶段，随着机床加工精度的不断提高以及齿面修型技术的应用，目前的齿轮加工精度已经达到较高水平。
[0003]然而，仅仅依靠设计水平和加工精度的提升有时还不足以确保齿轮的啮合质量满足使用要求，尤其对于重载齿轮机构，其啮合状态对齿轮服役寿命影响非常显著，对于此类齿轮机构，装配过程对齿轮啮合状态的影响往往不可忽视。对于某些重载齿轮机构，工程中为了充分确保其齿轮啮合质量，需要在装配阶段对齿轮啮合状态进行检测，并根据检测结果调整修配垫片的尺寸。
[0004]目前工程中，常用的齿轮啮合状态检测方法包括着色法、通过加速度计获取的振动信号来间接评价齿轮啮合状态。其中，着色法严重依赖工人经验，且效率低下，存在效率低和污染等问题；通过加速度计获取的振动信号来间接评价齿轮啮合状态的方法，由于一个加速度计只能获取一个位置的振动信号，为了获取足够多的数据样本，需要在齿轮机构上布设多个加速度计，但在实际工程情况下，这种操作往往是很困难的。
[0005]因此，如何通过少量的数据样本实现对齿轮啮合状态的准确评价是一个亟待解决的工程难题。

技术实现思路

[0006]为解决上述现有技术中技术问题，本申请提供一种检测齿轮啮合的方法、随机森林模型、训练方法及系统。
[0007]第一方面，本申请提供一种检测齿轮啮合的随机森林模型的训练方法，包括：
[0008]获取齿轮机构在不同齿轮啮合状态测试下的振动图像序列，所述振动图像序列包括多帧按时间序列排序的振动图像；
[0009]提取所述振动图像序列中目标区域内预设数量像素点的振动位移信号；
[0010]根据每个像素点的振动位移信号，分别计算对应的特征值，其中，所述特征值包括时域特征值和频域特征值；
[0011]构建训练样本，所述训练样本包括对所述齿轮机构测试的所有齿轮啮合状态类别，以及，与各齿轮啮合状态类别对应的特征值；
[0012]以所述训练样本中特征值作为输入，以预测齿轮啮合状态类别作为输出，对所述
待训练的随机森林模型进行训练。
[0013]在一种可实现方式中，所述振动位移信号包括水平振动位移信号和竖直振动位移信号，所述根据每个像素点的振动位移信号，分别计算对应的特征值，包括：
[0014]根据每个像素点的水平振动位移信号，分别计算与所述水平振动位移信号对应的时域特征值和频域特征值；
[0015]根据每个像素点的竖直振动位移信号，分别计算与所述竖直振动位移信号对应的时域特征值和频域特征值；
[0016]生成与每个像素点对应的特征值，其中，所述特征值包括像素点水平振动位移信号对应的时域特征值和频域特征值，以及竖直振动位移信号对应的时域特征值和频域特征值。
[0017]在一种可实现方式中，所述时域特征值包括第一时域特征值TI1、第二时域特征值TI2、第三时域特征值TI3、第四时域特征值TI4、第五时域特征值TI5、第六时域特征值TI6、第七时域特征值TI7、第八时域特征值TI8、第九时域特征值TI9、第十时域特征值TI
10
、第十一时域特征值TI
11
中一种或几种；
[0018]其中，TI5＝max|x(i)|、＝max|x(i)|、
[0019]其中，其中x(i)表示时域信号，N表示振动位移信号时间长度。
[0020]在一种可实现方式中，所述频域特征值包括第一频域特征值FI1、第二频域特征值FI2、第三频域特征值FI3、第四频域特征值FI4、第五频域特征值FI5、第六频域特征值FI6、第七频域特征值FI7、第八频域特征值FI8、第九频域特征值FI9、第十频域特征值FI
10
、第十一频域特征值FI
11
、第十二频域特征值FI
12
中一种或几种；
[0021]其中，其中，
[0022][0023]其中，s(k)表示振动位移信号的k次频谱，fk是第k个频谱的频率，k＝1,2,
……
K,K是总频谱数量。
[0024]在一种可实现方式中，所述齿轮啮合状态包括齿轮的径向距离偏差和/或齿轮的轴系角度偏差。
[0025]在一种可实现方式中，提取所述振动图像序列中第一像素点的振动位移信号的方法，包括：
[0026]提取每帧振动图像中第一像素点的灰度信息，所述第一像素点为所述振动图像中目标区域内任意一个像素点；
[0027]对提取的每个所述第一像素点的灰度信息滤波处理；
[0028]根据所述滤波后的灰度信息，分别计算每帧振动图像中第一像素点的相位；
[0029]分别计算第一像素点在各自振动图像与在第一帧振动图像上的相位差；
[0030]根据所述第一像素点在各帧振动图像中的相位差，生成所述第一像素点的振动位移信号。
[0031]在一种可实现方式中，所述目标区域包括多个子区域。
[0032]第二方面，本申请提供一种检测齿轮啮合的随机森林模型的训练系统，包括：
[0033]第一获取模块，用于获取齿轮机构在不同齿轮啮合状态测试下的振动图像序列，所述振动图像序列包括多帧按时间序列排序的振动图像；
[0034]第一提取模块，用于提取所述振动图像序列中目标区域内预设数量像素点的振动位移信号；
[0035]第一计算模块，用于根据每个像素点的振动位移信号，分别计算对应的特征值，其中，所述特征值包括时域特征值和频域特征值；
[0036]训练样本构建模块，用于构建训练样本，所述训练样本包括对所述齿轮机构测试的所有齿轮啮合状态类别，以及，与各齿轮啮合状态类别对应的特征值；
[0037]训练模块，用于以所述训练样本中特征值作为输入，以预测齿轮啮合状态类别作为输出，对所述待训练的随机森林模型进行训练。
[0038]第三方面，本申请提供一种检测齿轮啮合的方法，包括：
[0039]获取目标齿轮机构的振动图像序列，所述振动图像序列包括多帧按时间序列排序的振动图像；
[0040]提取所述振动图像序列中目标区域内预设数量像素点的振动位移信号；
[0041]如果所述目标区域包括一个子区域，则计算所述子区域内提取的振动位移信号的平均值；生成与所述振动位移信号的平均值对应的特征值，其中，所述特征值包括时域特征值和频域特征值；
[0042]将所述特征值输入随机森林模型，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测齿轮啮合的随机森林模型的训练方法，其特征在于，包括：获取齿轮机构在不同齿轮啮合状态测试下的振动图像序列，所述振动图像序列包括多帧按时间序列排序的振动图像；提取所述振动图像序列中目标区域内预设数量像素点的振动位移信号；根据每个像素点的振动位移信号，分别计算对应的特征值，其中，所述特征值包括时域特征值和频域特征值；构建训练样本，所述训练样本包括对所述齿轮机构测试的所有齿轮啮合状态类别，以及，与各齿轮啮合状态类别对应的特征值；以所述训练样本中特征值作为输入，以预测齿轮啮合状态类别作为输出，对待训练的随机森林模型进行训练。2.根据权利要求1所述的训练方法，其特征在于，所述振动位移信号包括水平振动位移信号和竖直振动位移信号，所述根据每个像素点的振动位移信号，分别计算对应的特征值，包括：根据每个像素点的水平振动位移信号，分别计算与所述水平振动位移信号对应的时域特征值和频域特征值；根据每个像素点的竖直振动位移信号，分别计算与所述竖直振动位移信号对应的时域特征值和频域特征值；生成与每个像素点对应的特征值，其中，所述特征值包括像素点水平振动位移信号对应的时域特征值和频域特征值，以及竖直振动位移信号对应的时域特征值和频域特征值。3.根据权利要求1所述的训练方法，其特征在于，所述目标区域包括多个子区域。4.根据权利要求1所述的训练方法，其特征在于，所述时域特征值包括第一时域特征值TI1、第二时域特征值TI2、第三时域特征值TI3、第四时域特征值TI4、第五时域特征值TI5、第六时域特征值TI6、第七时域特征值TI7、第八时域特征值TI8、第九时域特征值TI9、第十时域特征值TI
10
、第十一时域特征值TI
11
中一种或几种；其中，TI5＝max|x(i)|、max|x(i)|、其中，其中x(i)表示时域信号，N表示振动位移信号时间长度。5.根据权利要求1所述的训练方法，其特征在于，所述频域特征值包括第一频域特征值FI1、第二频域特征值FI2、第三频域特征值FI3、第四频域特征值FI4、第五频域特征值FI5、第六频域特征值FI6、第七频域特征值FI7、第八频域特征值FI8、第九频域特征值FI9、第十频域特征值FI
10
、第十一频域特征值FI
11
、第十二频域特征值FI
12
中一种或几种；其中，其中，
其中，s(k)表示振动位移信号的k次频谱，f
k
是第k个频谱的频率，k＝1,2,
……
K,K是总频谱数量。6.根据权利要求1所述的训练方法，其特征在于，提取所述振动图像序列中第一像素点的振动位移信号的方法，包括：提取每帧振动图像中第一像素点的灰度信息，所述第一像素点为所述振动图像中目标区域内任意一个像素点；对提取的每个所述第一像素点的灰度信息滤波处理；根据所述滤波后的灰度信息，分别计算每帧振动图像中第一像素点的相位；分别计算第一像素点在各自振动图像与在第一帧振动图像上...

【专利技术属性】
技术研发人员：丁晓宇，荣荣，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：