一种基于声振信息融合的柴油机齿轮室故障诊断方法技术

本发明专利技术公开了一种基于声振信息融合的柴油机齿轮室故障诊断方法，方法为模拟齿轮室实际生产中会产生的故障，通过自适应变分模态提取对采集到的声振信号进行分解，基于能量熵对得到的声振特征进行融合，最后通过支持向量机对故障进行分类和识别，执行步骤依次为：采集振动噪声信号、分解提取的信号、融合声振特征和诊断齿轮室故障。本发明专利技术提出一种自适应的变分模态提取方法来提高信号分解的精度和效率，基于能量熵对声振特征进行融合并通过支持向量机对齿轮室的故障进行分类和识别，为柴油机预测性维修和维护提供参考和指导，提升柴油机动力性、经济性、稳定性和排放性。稳定性和排放性。稳定性和排放性。

【技术实现步骤摘要】
一种基于声振信息融合的柴油机齿轮室故障诊断方法


[0001]本专利技术涉及柴油机故障诊断方法
，尤其涉及一种基于声振信息融合的柴油机齿轮室故障诊断方法。

技术介绍

[0002]齿轮室是柴油机的关键部件之一，其结构较为复杂，一个故障通常会有多种故障表现形式，一种故障表现形式也可能由多个故障引起。针对柴油机故障的诊断及评估方法，有振动测试法和声音分析法等，采用较多的是振动测试法。振动测试法需要处理复杂的信号，且检测位置受到限制，但信号可靠性高；声音分析法对环境要求高，信号信噪比较低，易受外来噪声干扰，但传感器易于安装。齿轮在早期出现裂纹时特征信息很微弱，通过单一信息进行故障诊断有其自身的局限性，试验方法和诊断水平对故障诊断结论的影响较大，容易产生漏报和误报，故在许多情况下得出的结论并不可靠。
[0003]齿轮室作为机械设备中关键性部件，对其故障诊断方法的研究一直受到众多学者的重视。现有信号分解算法中，经验模态分解方法(EMD)在信号分解过程中会出现模态混叠和端点效应等问题，对分离的噪声特征产生较大干扰。VMD的自适应性以及抗噪性能较差。

技术实现思路

[0004]本专利技术的目的在于：为了解决上述问题，而提出的一种基于声振信息融合的柴油机齿轮室故障诊断方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于声振信息融合的柴油机齿轮室故障诊断方法，所述方法包括：模拟齿轮室实际生产中会产生的故障，通过自适应变分模态提取对采集到的声振信号进行分解，基于能量熵对得到的声振特征进行融合，最后通过支持向量机对故障进行分类和识别，执行步骤依次为：采集振动噪声信号、分解提取的信号、融合声振特征和诊断齿轮室故障。
[0007]优选地，所述采集振动噪声信号包括采集振动信号与转速信号，其中振动信号的采集需在齿轮室附近处布置加速度传感器，转速信号需要在前端布置光电编码器，并按试验方案运转。
[0008]优选地，所述试验方案为：
[0009]S101、分别采集600r/min、1000r/min、1200r/min、1500r/min、1900r/min工况下的振动噪声信号；
[0010]S102、加工齿轮，模拟裂纹故障，重复步骤S101；
[0011]S103、加工齿轮，模拟点蚀故障，重复步骤S101；
[0012]S104、加工齿轮，模拟断齿故障，重复步骤S101。
[0013]优选地，所述分解提取的信号需要统计模态中心频率的近似值，变分模态提取围绕该中心频率提取一个模态分量，具体计算步骤为：
[0014]S201、将输入信号f(t)分解为两个信号：期望信号(u
d
(t))和残余信号(f
r
(t))；
[0015]S202、设置期望中心频率ω
d
、拉格朗日系数λ、收敛值ε；
[0016]S203、迭代循环更新u
d
；
[0017]S204、迭代循环更新ω
d
；
[0018]S205、迭代循环更新λ；
[0019]S206、重复上述步骤S202到步骤S205，直到收敛。
[0020]优选地，所述融合声振特征需要提取声振信号特征频段(20～3000Hz)内信号的固有模态函数能量熵作为故障诊断特征向量，基于固有模态函数能量熵的特征提取，具体步骤如为：
[0021]S301、对IVME分解得到的各IMF分量求能量E
i
；
[0022]S302、以各IMF能量为元素构造总能量E；
[0023]S303、固有模态函数能量熵定义为：
[0024]S304、组合振动信号等能量分段能量熵、振动信号等时间分段能量熵和声波信号能量熵为联合能量熵。
[0025]优选地，所述诊断齿轮室故障需要根据样本信息获得期望值。
[0026]优选地，所述期望值的具体分析，具体步骤如下：
[0027]S401、测取齿轮室在正常、断齿、点蚀及裂纹四种状态下的声振信号；
[0028]S402、通过融合声振特征提取声振信号能量熵，构建融合特征向量；
[0029]S403、随机抽取四种状态的各20个样本组成特征集，将10个样本作为训练样本，剩下的10个作为测试样本；
[0030]S404、将训练样本和测试样本同时做归一化处理；
[0031]S405、采用一对其余的策略，选用径向基函数作为诊断模型中各向量机分类器的核函数，建立四个故障分类器。
[0032]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0033]1、本申请通过将声音和振动信号的参数进行信息特征融合，可以极大地提高诊断及评估的准确度和可靠性。
[0034]2、本申请通过提出一种自适应的变分模态提取方法来提高信号分解的精度和效率，基于能量熵对声振特征进行融合并通过支持向量机对齿轮室的故障进行分类和识别，为柴油机预测性维修和维护提供参考和指导，提升柴油机动力性、经济性、稳定性和排放性。
附图说明
[0035]图1示出了根据本专利技术实施例提供的齿轮室故障识别方法流程结构示意图；
[0036]图2示出了根据本专利技术实施例提供的噪声测点位置结构示意图；
[0037]图3示出了根据本专利技术实施例提供的SVM逻辑框图结构示意图。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于
本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0039]请参阅图1
‑
3，本专利技术提供一种技术方案：
[0040]模拟齿轮室实际生产中会产生的故障：断齿、点蚀、裂纹，通过自适应变分模态提取(IVMD)对采集到的声振信号进行分解，基于能量熵对得到的声振特征进行融合，最后通过支持向量机对故障进行分类和识别，具体分析过程如图1，执行步骤如下：
[0041]S1：柴油机振动噪声信号的采集
[0042]以6缸柴油机为研究对象，参考国家标准《内燃机噪声声功率级的测定工程法及简易法》(GB1895
‑
2000)中规定的测量方法为指导进行测量，噪声测点位置如图2。在柴油机齿轮室附近处布置加速度传感器采集振动信号，并在前端布置长春禹光的光电编码器采集柴油机转速信号；信号采集设备采用西门子的LMS Test.Lab 24位数据采集系统。具体试验方案如下：
[0043]S101、分别采集600r/min(怠速)、1000r/min、1200r/min、1500r/min、1900r/min(标况)等工况下的振动噪声信号；
[0044]S102、加工齿轮，模拟裂纹故障，重复步骤S101；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于声振信息融合的柴油机齿轮室故障诊断方法，其特征在于，所述方法包括：模拟齿轮室实际生产中会产生的故障，通过自适应变分模态提取对采集到的声振信号进行分解，基于能量熵对得到的声振特征进行融合，最后通过支持向量机对故障进行分类和识别，执行步骤依次为：采集振动噪声信号、分解提取的信号、融合声振特征和诊断齿轮室故障。2.根据权利要求1所述的一种基于声振信息融合的柴油机齿轮室故障诊断方法，其特征在于，所述采集振动噪声信号包括采集振动信号与转速信号，其中振动信号的采集需在齿轮室附近处布置加速度传感器，转速信号需要在前端布置光电编码器，并按试验方案运转。3.根据权利要求2所述的一种基于声振信息融合的柴油机齿轮室故障诊断方法，其特征在于，所述试验方案为：S101、分别采集600r/min、1000r/min、1200r/min、1500r/min、1900r/min工况下的振动噪声信号；S102、加工齿轮，模拟裂纹故障，重复步骤S101；S103、加工齿轮，模拟点蚀故障，重复步骤S101；S104、加工齿轮，模拟断齿故障，重复步骤S101。4.根据权利要求1所述的一种基于声振信息融合的柴油机齿轮室故障诊断方法，其特征在于，所述分解提取的信号需要统计模态中心频率的近似值，变分模态提取围绕该中心频率提取一个模态分量，具体步骤为：S201、将输入信号f(t)分解为两个信号：期望信号(u
d
(t))和残余信号(f
r
(t))；S202、设置期望中心频率ω
d
、拉格朗...

【专利技术属性】
技术研发人员：林杰威，林耕毅，张俊红，朱小龙，戴胡伟，
申请(专利权)人：天津大学，
类型：发明
国别省市：