【技术实现步骤摘要】
变速箱早期故障识别分类方法、装置和系统、存储介质
[0001]本公开涉及工程机械设备状态监测领域,特别涉及一种变速箱早期故障识别分类方法、装置和系统、存储介质。
技术介绍
[0002]工程机械广泛应用于低速、重载等恶劣的施工建设场合,且工况复杂多变,因此,其变速箱通常具有多个前进档位和多个后退档位。为适应不同的动力输出,工程机械变速箱通常采用定轴齿轮和行星齿轮复合的布置形式。由于变速箱的结构复杂,通常由多组轴、轴承和齿轮组成,故障类型较多且任何部件出现故障都会影响整个设备的安全运行,当因故障而停机时,会造成很大的经济损失。
技术实现思路
[0003]专利技术人通过研究发现:相关技术工程机械早期故障诊断中常用的方法是振动信号分析,但工程机械变速箱结构非常复杂,其内部传动结构既包括定轴齿轮及轴承,又包括行星齿轮及轴承。行星齿轮系在自身复杂的运动特点和动力学本质以及多变的环境激励的综合作用下,其振动信号的复杂性、时变性以及调制特征非常明显。变速箱各零部件的特征频率相互耦合,早期故障振动信号微弱,以及较强的背景噪声干扰,最终采集到的振动信号非常复杂,致使齿轮和轴承早期故障诊断存在较大难度。
[0004]鉴于以上技术问题中的至少一项,本公开提供了一种变速箱早期故障识别分类方法、装置和系统、存储介质,可以快速准确地处理振动信号并识别出主要故障特征,提高了变速箱早期故障识别分类的效率和准确性。
[0005]根据本公开的一个方面,提供一种变速箱早期故障识别分类方法,包括:
[0006]对测得的 ...
【技术保护点】
【技术特征摘要】
1.一种变速箱早期故障识别分类方法,包括:对测得的工程机械变速箱振动加速度信号进行预处理,得到表征变速箱部件的包络谱信号,其中,变速箱部件包括变速箱中的至少一个齿轮和至少一个轴承;对多个变速箱部件中每一个变速箱部件的包络谱信号,进行随机共振分析,提取输出信号的小波包能量作为第一特征向量,将第一特征向量与标准特征向量进行灰色关联分析,提取最大灰色关联度及最大灰色关联度在所有灰色关联度中的贡献率作为特征子集;将多个变速箱部件中每一个变速箱部件的特征子集与该特征子集的阈值进行比较,确定工程机械变速箱的早期故障类型。2.根据权利要求1所述的变速箱早期故障识别分类方法,还包括:将比较确定的早期故障类型,作为识别分类模型训练输入的标签;采用所有特征子集构造第二特征向量,利用识别分类模型进行训练并识别分类,确定工程机械变速箱的故障类型。3.根据权利要求1所述的变速箱早期故障识别分类方法,还包括:获取多个振动加速度传感器测得的多组变速箱振动加速度信号,其中,所述多个振动加速度传感器设置于工程机械变速箱。4.根据权利要求1
‑
3中任一项所述的变速箱早期故障识别分类方法,其中,所述对测得的工程机械变速箱振动加速度信号进行预处理,得到表征变速箱部件的包络谱信号包括:对测得的多组速箱振动加速度信号进行偏相干处理,消除多组信号之间的相关成分,得到振动加速度提纯信号,其中,所述振动加速度提纯信号包括表征定轴齿轮和定轴轴承的振动加速度提纯信号、以及表征行星轮系齿轮和行星轮轴承的振动加速度提纯信号;对所述振动加速度提纯信号进行变分模态分解,筛选出各个变速箱部件的独立本征模态分量,其中,变速箱部件包括定轴齿轮、定轴轴承、行星轮系齿轮和行星轮轴承中的至少一项;对各个变速箱部件的独立本征模态分量进行解调处理,得到各个变速箱部件的包络谱信号。5.根据权利要求4所述的变速箱早期故障识别分类方法,其中,所述对所述振动加速度提纯信号进行变分模态分解,筛选出各个变速箱部件的独立本征模态分量包括:对所述振动加速度提纯信号进行变分模态分解,得到多个本征模态分量;根据所述多个本征模态分量与分解前信号之间的相关关系剔除虚假本征模态分量,并结合相关参数筛选出各个变速箱部件的独立本征模态分量,其中,相关参数为包括齿轮齿数、轴承参数、特定档位下输入轴转速、变速箱固有频率中的至少一项。6.根据权利要求1
‑
3中任一项所述的变速箱早期故障识别分类方法,其中:变速箱部件包括定轴齿轮、定轴轴承、行星轮系齿轮和行星轮轴承中的至少一项;所述标准特征向量为变速箱部件的早期故障标准能量特征向量。7.根据权利要求6所述的变速箱早期故障识别分类方法,其中,每个变速箱部件包括多个子部件,其中:定轴齿轮的子部件包括定轴主动齿轮和定轴从动齿轮中的至少一项;定轴轴承的子部件包括定轴轴承内圈、定轴轴承外圈和定轴轴承滚动体中的至少一项;
行星轮系齿轮的子部件包括太阳轮、行星轮和齿圈中的至少一项;行星轮轴承的子部件包括行星轮轴承内圈、行星轮轴承外圈和行星轮轴承滚动体中的至少一项。8.根据权利要求7所述的变速箱早期故障识别分类方法,其中,对于子部件故障,所述对多个变速箱部件中每一个变速箱部件的包络谱信号,进行随机共振分析,提取输出信号的小波包能量作为第一特征向量,将第一特征向量与标准特征向量进行灰色关联分析,提取最大灰色关联度及最大灰色关联度在所有灰色关联度中的贡献率作为特征子集包括:以故障频率为驱动频率,以表征该子部件所属的变速箱部件的包络谱信号为输入信号,经过随机共振系统后得到增强故障频率幅值的输出信号集;对输出信号集进行小波包分解,将输出信号分解到不同频带内,计算各输出信号各频带的能量集,以能量集作为该子部件的第一特征向量;将该子部件的第一特征向量的每一行分别与该子部件的早期故障标准能量特征向...
【专利技术属性】
技术研发人员:高磊磊,庄超,苏俊收,李法光,
申请(专利权)人:江苏徐工国重实验室科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。