一种基于非线性快速霍耶谱的齿轮故障诊断方法技术

本发明专利技术公开了一种基于非线性快速霍耶谱的齿轮故障诊断方法，涉及振动信号智能故障诊断技术领域，包括如下步骤：获取齿轮故障振动信号；对获取的齿轮故障振动信号进行Z

【技术实现步骤摘要】
一种基于非线性快速霍耶谱的齿轮故障诊断方法


[0001]本专利技术涉及振动信号智能故障诊断
，尤其涉及一种基于非线性快速霍耶谱的齿轮故障诊断方法。

技术介绍

[0002]与石油、煤炭等不可再生能源相比，电能具有运输安全、易于机械化和自动化、采集方式多样等特点。近年来，越来越多的国家开始重视风力发电。变速箱作为风力发电机组的核心部件，由于其工作环境恶劣和载荷分布复杂而容易发生故障。为了确保风力发电机组的正常运行，齿轮箱的早期故障诊断至关重要。因此，利用可靠的故障诊断方法，尽早定位齿轮的早期故障，对合理延长风力发电机组的使用寿命、减少周期性维护费以及保证设备运行的安全性都具有重要的意义。
[0003]齿轮作为风力发电机组中易出现故障的部件，如何对其早期故障进行高效、准确、智能的诊断，是非常具有实际意义的。由于峭度对冲击信号具有较高敏感度，因此，传统的故障提取方法中多以峭度作为稀疏度量指标。衡量稀疏度量能力有六个评价标准，但是，峭度作为一种常用的稀疏度量方式只满足稀疏度量标准的三个，而霍耶指数满足除克隆性外所有指标，并且在样本数量足够大时，霍耶指数也满足克隆性标准。
[0004]鉴于传统方法对故障脉冲检测灵活性和鲁棒性不足的特点，亟需研究一种基于非线性快速霍耶谱的齿轮故障诊断方法，使其具有更好的准确性和鲁棒性。

技术实现思路

[0005]为解决上述技术问题，本专利技术公开了一种基于非线性快速霍耶谱的齿轮故障诊断方法，采用Sigmoid函数对信号进行非线性激活，霍耶指标作为选择共振频带的依据，用于旋转机械智能故障诊断，较已有的故障诊断方法，具有更好的准确性和鲁棒性。
[0006]为实现上述目的，本专利技术采用下述技术方案：
[0007]本专利技术第一方面提供了一种基于非线性快速霍耶谱的齿轮故障诊断方法，包括如下步骤：
[0008]1)采集齿轮故障振动信号；
[0009]2)对采集的齿轮故障振动信号进行Z
‑
score归一化处理，采用Sigmoid函数对归一化处理后的信号进行非线性激活；
[0010]3)根据激活后的信号特征，确定信号的最大分解层数K；
[0011]4)根据1/3二叉树结构及最大分解层数K对激活后的信号进行频带划分，形成频率分割树状图；
[0012]5)基于标准低通FIR滤波器构造低通滤波器和高通滤波器，并根据树状图迭代生成滤波器组；
[0013]6)计算各频带的霍耶值，并根据霍耶值大小及所在频带构建霍耶谱；
[0014]7)根据最佳共振频带的中心频率及带宽构造带通滤波器，对激活后的信号进行滤
波；
[0015]8)对滤波后的信号进行平方包络计算，得到平方包络谱，并根据平方包络谱对齿轮进行故障分析。
[0016]可选地，步骤2)中，所述对采集的齿轮故障振动信号进行Z
‑
score归一化处理，即
[0017][0018]其中，N和μ分别为齿轮故障振动信号S
i
(1≤i≤N)的样本点总数及样本均值；
[0019]采用Sigmoid函数对归一化处理后的信号进行非线性激活，即
[0020][0021]其中，Z(S
i
)为归一化处理后的信号，A(S
i
)为激活后的信号。
[0022]可选地，步骤3)中，所述根据激活后的信号特征，确定信号的最大分解层数K，即
[0023]K＝log2(N)
‑7[0024]其中，N为激活后的信号A(S
i
)的样本点总数。
[0025]可选地，步骤5)中，所述基于标准低通FIR滤波器构造低通滤波器和高通滤波器，即
[0026][0027]式中，h0(n)为低通滤波器，h1(n)为高通滤波器，h(n)为标准低通FIR滤波器，截止频率为f
c
＝0.125+ε。
[0028]可选地，步骤6)中，所述霍耶值的计算公式为
[0029][0030]可选地，步骤7)中，所述最佳共振频带为最大霍耶值所在的频带。
[0031]可选地，步骤8)中，所述对滤波后的信号进行平方包络计算，即
[0032]E(x[n])＝|x[n]|2＝|x[n]+j
·
Hilbert(x[n])|2[0033]其中，x[n]为齿轮故障振动信号，Hilbert(
·
)表示希尔伯特变换。
[0034]本专利技术第二方面提供了一种利用上述方法的基于非线性快速霍耶谱的齿轮故障诊断系统，包括：数据采集模块，用于获取齿轮振动信号；
[0035]霍耶谱构建模块，用于构建霍耶谱；
[0036]故障分析模块，用于对信号进行故障分析；
[0037]所述获取齿轮振动信号，包括：采集齿轮故障振动信号，对采集的齿轮振动信号进行Z
‑
score归一化处理；采用Sigmoid函数对归一化处理后的信号进行非线性激活；根据激
活后的信号特征，确定信号的最大分解层数K；
[0038]所述霍耶谱构建模块，包括：根据1/3二叉树结构及最大分解层数K对激活后的信号进行频带划分，形成频率分割树状图；基于标准低通FIR滤波器构造低通滤波器和高通滤波器，并根据树状图迭代生成滤波器组；计算各频带的霍耶值，并根据霍耶值大小及所在频带构建霍耶谱；
[0039]所述故障分析模块，包括：根据最佳共振频带的中心频率及带宽构造带通滤波器，对激活后的信号进行滤波；然后对滤波后的信号进行平方包络计算，得到平方包络谱，并根据平方包络谱对齿轮进行故障分析。
[0040]可选地，所述最佳共振频带为最大霍耶值所在的频带。
[0041]本专利技术第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现本专利技术第一方面所述的基于非线性快速霍耶谱的齿轮故障诊断方法中的步骤。
[0042]本专利技术第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现本专利技术第一方面所述的基于非线性快速霍耶谱的齿轮故障诊断方法中的步骤。
[0043]本专利技术的有益效果是，本专利技术提供了一种新的非线性故障诊断方法，通过引入霍耶指数这一稀疏表达取代了传统的峭度稀疏表达方式，同时采用Z
‑
score归一化和非线性激活函数Sigmoid对样本数据进行预处理，较已有的故障诊断方法，具有更好的准确性和鲁棒性。
附图说明
[0044]图1为本专利技术一种基于非线性快速霍耶谱的齿轮故障诊断方法的流程示意图；
[0045]图2为利用本专利技术的诊断方法对定轴齿轮箱的故障分析结果示意图，其中，(a)为齿轮故障振动信号S
i
，(b)为本实施例诊断结果；
[0046]图3为本专利技术实施例示出的平方包络谱。
具体实施方式
[0047]下面将结合本专利技术实施例中的附图，对本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于非线性快速霍耶谱的齿轮故障诊断方法，其特征在于，包括如下步骤：1)采集齿轮故障振动信号；2)对采集的齿轮故障振动信号进行Z
‑
score归一化处理，采用Sigmoid函数对归一化处理后的信号进行非线性激活；3)根据激活后的信号特征，确定信号的最大分解层数K；4)根据1/3二叉树结构及最大分解层数K对激活后的信号进行频带划分，形成频率分割树状图；5)基于标准低通FIR滤波器构造低通滤波器和高通滤波器，并根据树状图迭代生成滤波器组；6)计算各频带的霍耶值，并根据霍耶值大小及所在频带构建霍耶谱；7)根据最佳共振频带的中心频率及带宽构造带通滤波器，对激活后的信号进行滤波；8)对滤波后的信号进行平方包络计算，得到平方包络谱，并根据平方包络谱对齿轮进行故障分析。2.如权利要求1所述的一种基于非线性快速霍耶谱的齿轮故障诊断方法，其特征在于，步骤2)中，所述对采集的齿轮故障振动信号进行Z
‑
score归一化处理，即score归一化处理，即其中，N和μ分别为齿轮故障振动信号S
i
(1≤i≤N)的样本点总数及样本均值；采用Sigmoid函数对归一化处理后的信号进行非线性激活，即其中，Z(S
i
)为归一化处理后的信号，A(S
i
)为激活后的信号。3.如权利要求1所述的一种基于非线性快速霍耶谱的齿轮故障诊断方法，其特征在于，步骤3)中，所述根据激活后的信号特征，确定信号的最大分解层数K，即K＝log2(N)
‑
7其中，N为激活后的信号A(S
i
)的样本点总数。4.如权利要求1所述的一种基于非线性快速霍耶谱的齿轮故障诊断方法，其特征在于，步骤5)中，所述基于标准低通FIR滤波器构造低通滤波器和高通滤波器，即式中，h0(n)为低通滤波器，h1(n)为高通滤波器，h(n)为标准低通FIR滤波器，截止频率为f
c
＝0.125+ε。5.如权利要求1所述的一种基于非线性快速霍耶...

【专利技术属性】
技术研发人员：张宗振，马浩，韩宝坤，王金瑞，鲍怀谦，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：