矿用刮板机齿轮箱轴承的故障诊断方法技术

本发明专利技术涉及一种矿用刮板机齿轮箱轴承的故障诊断方法，属于设备测试技术领域

【技术实现步骤摘要】
矿用刮板机齿轮箱轴承的故障诊断方法


[0001]本专利技术涉及设备测试
，尤其涉及一种矿用刮板机齿轮箱轴承的故障诊断方法
。

技术介绍

[0002]随着机械设备的智能化转型，目前机械故障诊断领域，深度学习方法发挥着重要作用，其作为机械设备发生故障时的主要诊断依据，对设备运行状态的监控和维护维修有着至关重要的作用
。
矿用刮板机有着工作环境嘈杂，噪声影响十分严重，并且通常会存在变转速工况等特点，而深度学习方法对前期信号处理有着很高要求
。
因此传统深度学习方法在这种复杂工况下的诊断效果较差，存在诊断精度低
、
智能度低等缺陷，而错误的判断会导致刮板机的停滞，影响实际生产
。

技术实现思路

[0003]为解决上述技术问题，本专利技术提供一种矿用刮板机齿轮箱轴承的故障诊断方法
。
本专利技术的技术方案如下：一种矿用刮板机齿轮箱轴承的故障诊断方法，其包括如下步骤：
S1
，获取矿用刮板机运行状态下的齿轮箱振动信号；<br/>S2
...

【技术保护点】

【技术特征摘要】
1.
一种矿用刮板机齿轮箱轴承的故障诊断方法，其特征在于，包括如下步骤：
S1
，获取矿用刮板机运行状态下的齿轮箱振动信号；
S2
，对所述齿轮箱振动信号进行降噪处理，得到降噪处理后的齿轮箱振动信号；
S3
，对降噪处理后的齿轮箱振动信号进行广义
S
变换，得到齿轮箱振动信号的时频图集；
S4
，计算时频图集中每个时频图的能量集中度，根据结果自适应调整广义
S
变换的参数，得到每个时频图的最优参数组合；
S5
，通过每个时频图的最优参数组合再次对齿轮箱振动信号进行广义
S
变换，得到矿用刮板机运行特征最清晰的时频图集；
S6
，将运行特征最清晰的时频图集输入故障诊断卷积神经网络中，根据故障诊断卷积神经网络的分类结果对矿用刮板机齿轮箱的轴承进行故障诊断，得到故障诊断结果
。2.
根据权利要求1所述的矿用刮板机齿轮箱轴承的故障诊断方法，其特征在于，所述
S2
在对所述齿轮箱振动信号进行降噪处理，得到降噪处理后的齿轮箱振动信号时，包括如下步骤：
S21
，对所述齿轮箱振动信号进行分组，得到多组时间序列信号；
S22
，对每组时间序列信号进行小波阈值降噪，得到多组降噪后的时间序列信号；
S23
，组合多组降噪后的时间序列信号，得到降噪处理后的齿轮箱振动信号
。3.
根据权利要求2所述的矿用刮板机齿轮箱轴承的故障诊断方法，其特征在于，所述
S22
在对每组时间序列信号进行小波阈值降噪，得到多组降噪后的时间序列信号时，包括如下步骤：
S221
，将每组时间序列信号与小波基函数进行对比，得到每组时间序列信号的小波系数；
S222
，计算每组时间序列信号的均方根，并根据每组时间序列信号的均方根选择对应的小波阈值；
S223
，进行小波阈值处理：当任一组时间序列信号的小波系数的绝对值小于其对应的小波阈值时，将小波系数确定为零；当任一组时间序列信号的小波系数的绝对值大于其对应的小波阈值时，用小波系数减去小波阈值并保持符号不变来确定小波系数；
S224
，小波阈值处理完成后，对小波系数进行小波逆变换，得到多组降噪后的时间序列信号
。4.
根据权利要求2或3所述的矿用刮板机齿轮箱轴承的故障诊断方法，其特征在于，所述
S3
在对降噪处理后的齿轮箱振动信号进行广义
S
变换，得到齿轮箱振动信号的时频图集时，对于降噪处理后的齿轮箱振动信号中的任一组降噪后的时间序列信号
...

【专利技术属性】
技术研发人员：王宏伟，方志文，王洪利，李永安，耿毅德，常鑫，管盛宇，胡旭东，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：