基于最优秩非负矩阵分解的行星齿轮箱早期故障诊断方法技术

本发明专利技术提供一种基于最优秩非负矩阵分解的行星齿轮箱早期故障诊断方法。首先，采集行星齿轮箱故障振动信号，并计算振动信号的STFT谱；然后，将原始振动信号频谱作为K

【技术实现步骤摘要】
基于最优秩非负矩阵分解的行星齿轮箱早期故障诊断方法


[0001]本专利技术属于旋转机械故障诊断与信号分析
，涉及到一种旋转机械早期故障诊断方法，具体为一种基于最优秩非负矩阵分解(Nonnegative Matrix Factorization)的行星齿轮箱早期故障诊断方法，可用于行星齿轮箱中齿轮与滚动轴承部件的故障诊断。

技术介绍

[0002]行星齿轮传动因其体积小、传动比大和承载能力强等优点在现代机械工业领域被广泛应用。考虑其结构特点，行星齿轮箱通常在重载、冲击、污染等恶劣工况下运行，极易导致其关键部件如齿轮、轴承发生故障，引发设备停机甚至更为严重的后果。因此，对行星齿轮箱展开状态监测，探索高效的故障诊断方法，在损伤发展早期对故障特征进行准确提取与识别，对保证设备安全运行与减少经济损失来说具有重要意义。
[0003]行星齿轮箱内部的运行情况可以通过振动信息表达出来。齿轮箱早期故障特征微弱，易淹没在强噪声中。对包含齿轮箱故障信息的振动信号进行有效分析和处理是实现行星齿轮箱早期故障准确诊断的有力途径。同时，受到传递路径和强环境噪声的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最优秩非负矩阵分解的行星齿轮箱早期故障诊断方法，其特征在于，包括以下步骤：步骤S1：沿行星齿轮箱易于放置传感器的壳体正上方布置加速度传感器，采集行星齿轮箱故障原始振动信号s(t)，并进行快速傅里叶变换得到原始信号频谱S(f)；步骤S2：将齿轮箱原始信号频谱S(f)作为输入，初始聚类中心数目k＝2，依次加一，遍历进行K
‑
Means聚类，获得以聚类中心数目k为横坐标，频谱K
‑
Means聚类质量pkmcq为纵坐标的折线图；横纵坐标均为无量纲参数；其中，指标pkmcq定义为信号频谱K
‑
means聚类的类内平均距离与类间平均距离之比：式中，C
i
表示第i个聚类簇，num(C
i
)表示第i个聚类簇的样本数目，c
i
为C
i
的质心，p为C
i
中的样本点；pkmcq代表聚类效果的好坏；随着聚类数k由小到大逐渐逼近真实聚类数时，pkmcq值的下降速率也会逐渐减小；当聚类数k超过真实聚类数并逐渐远离时，pkmcq值的下降速率呈现出平缓趋势；以聚类数k为横坐标，pkmcq值为纵坐标绘制k
‑
pkmcq曲线；因此，在k
‑
pkmcq曲线中会首次出现一个明显的拐点，对应的k值即为估计的聚类数；步骤S3：对原始振动信号s(t)进行短时傅里叶变换，得到短时傅里叶变换谱图矩阵V，将其作为非负矩阵分解的输入矩阵；其中，谱图矩阵V按下述公式得到：式中，γ(t)表示短时傅里叶变换窗函数；t表示时...

【专利技术属性】
技术研发人员：李宏坤，杨晨，陈钧，曹顺心，张孔亮，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：