基于数据及混合调制模型的行星齿轮箱故障诊断方法技术

本发明专利技术提出了一种基于数据及混合调制模型的行星齿轮箱故障诊断方法，涉及旋转机械设备故障诊断。包括如下步骤：首先采集不同健康状况下的行星齿轮箱振动信号，提取数据集的频域分量，其次，基于行星齿轮箱的基本理论，提出新的振动模型，并建立模型的损失函数，明确偏微分函数和中间函数，进一步使用迭代计算的方法更新参数，构建出完整的振动模型。实验进一步提取模型参数，将得到的数据划分训练集和测试集，构建SVM网络模型进行训练和测试，最终获取行星齿轮箱故障诊断结果。取行星齿轮箱故障诊断结果。取行星齿轮箱故障诊断结果。

【技术实现步骤摘要】
基于数据及混合调制模型的行星齿轮箱故障诊断方法


[0001]本专利技术属于行星齿轮箱的故障诊断
，涉及一种旋转机械设备故障诊断方法研究，尤其涉及一种基于振动信号模型建模及参数解析策略研究，可用于多种满足混合调制模型的旋转机械设备系统的振动分析及故障识别。

技术介绍

[0002]行星齿轮箱因为其高传动比及强大的载荷能力而被广泛应用于直升机、建筑机械等工业领域。但行星齿轮箱所面临的循环运作工况、高转速工况、高应力工况等恶劣工作环境通常会导致局部故障问题，例如疲劳裂纹、齿断裂、齿缺失等。故而在行星齿轮箱的工作过程中，通过在齿轮箱箱体上安装传感器来感知振动信号的响应，提供与行星齿轮箱相关的振动特征，以便实现行星齿轮箱健康状态相关的故障诊断。
[0003]本文主要研究了利用现象学模型来表示行星齿轮箱的振动特性。现象学模型可以提供一种基于振动信号直接建模的有效方法。通过安装在行星齿轮箱情况下的传感器所感知到的振动信号，可以直接模拟出由关键频率分量主导的相关周期函数。在此基础上，利用傅里叶变换对时频域的频率分量进行了分析，对行星齿轮箱振动特性的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数据及混合调制模型的行星齿轮箱故障诊断方法，其特征在于该方法包括如下步骤：(1)获取不同健康状态下的行星齿轮箱振动信号设定行星齿轮箱的装配参数，并设置旋转驱动电机转速、采样频率、采样时间，通过数据采集器获取不同健康状态下的太阳齿轮产生的振动信号；(2)提出基于数据及混合调制的模型提出行星齿轮箱太阳轮故障振动信号模型通用表达式并叠加噪声信号，得到更新后的模型；(3)建立损失函数通过使用均方误差MSE函数作为损失函数来测量平均误差，并计算拟合数据与目标数据之间在时间序列方向上对应点的误差平方之和来评估数据的变化程度，建立得到完全损失函数表达式模型；(4)建立偏微分函数和中间函数基于建立的完全损失函数表达式模型，建立参数梯度方向的偏微分函数和梯度下降理论，并设置中间函数；(5)参数更新对步骤(4)中待解析的调制参数ρ，A
j
，B
j
，θ，φ
j
，进行迭代计算，得到模型中更新后的调制参数；(6)基于迭代后的振动模型已解析的调制参数，构建完整的量化振动信号模型；(7)提取振动模型中已解析的调制参数，并划分为训练集和测试集，数据比例为14:14；(8)构建SVM网络模型根据求解出的太阳轮故障调制模型的调制参数，选择SVM网络模型进行参数训练和测试；(9)基于已构建好的SVM网络，进行参数训练；(10)测试SVM网络；(11)获取诊断结果基于构建完成的SVM网络，得到太阳齿轮故障的最终分类效果并进行对照比较。2.根据权利要求1所述的基于数据及混合调制模型的行星齿轮箱故障诊断方法，其特征在于步骤(2)包括：(2a)完善行星齿轮箱太阳齿轮故障情况下的时域振动模型，扩充行星齿轮箱调频时的x(t)如下：式中，f
m
为啮合频率，f
sun
为太阳轮故障频率，f
shaft
为太阳轮旋转频率，A，A1分别为f
sun
和f
shaft
对f
m
所产生的调幅(AM)作用，B，B1分别代表f
sun
和f
shaft
对啮合频率所产生的调频(FM)作用，φ，φ1分别表示调幅成分的相位，分别表示调频成分的相位，θ为信号相位；
(2b)提出一个模型：式中，x
cts
表示模型时域信号，c是一个无量纲常数，它取决于信号的振幅，N
f
是现象学模型中所涉及的齿轮啮合频率周围的主要频率个数，r表示调幅成分对f
m
的影响程度之一，A
i
和B
i
分别是AM和FM的调制作用强度，f
m
和f
i
分别是调制网格频率的啮合频率和多项调制频率，φ
i
分别表示调幅成分的相位，分别表示调频成分的相位，θ为信号相位；(2c)将调制效应在振幅中的积累提出为常数系数，常数系数函数如下：(2d)完善行星齿轮箱振动信号模型，将噪声叠加到等式中描述的振动模型中，其...

【专利技术属性】
技术研发人员：张冕，陈祥，康天博，向红标，陈纪伟，翁大伟，尹建超，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：