本发明专利技术提供一种齿轮传动系统的故障诊断方法、装置、终端及存储介质。该方法包括：获取对齿轮传动系统进行加速寿命实验得到的多路同源状态信号；其中，每路状态信号对应不同的时刻；通过多维变分模态分解算法对各路状态信号进行同步降噪，得到指定数量个降噪信号；分别对各个降噪信号进行时间延滞处理，得到多个延滞信号；对各个延滞信号进行施密特正交化处理，得到多个正交化信号；基于各个正交化信号建立齿轮传动系统的状态密度矩阵；计算状态密度矩阵的瑞丽熵，作为齿轮传动系统的时间延滞瑞丽熵，并生成熵值云图；将熵值云图输入经过训练的残差网络，得到齿轮传动系统的故障诊断结果。本发明专利技术能够提高故障诊断的准确性。
【技术实现步骤摘要】
本专利技术涉及机械故障诊断，尤其涉及一种齿轮传动系统的故障诊断方法、装置、终端及存储介质。
技术介绍
1、行星齿轮传动系统是大型掘进机的核心传动部件之一，在作业过程中，受恶劣环境及岩石硬度变化的影响，传动系统零部件长期承受复杂多变的载荷，传动系统故障信号往往呈现高耦合和强非线性，同时低频和高频噪声的介入直接使得信号具有高度的复杂性，局部低频特征故障频率也会因受到高频激励的调制而给故障类型和位置的判断增加难度。
2、目前已有的齿轮传动系统服役状态的监测和诊断技术及手段的准确性较低，难以满足多级行星轮系动态化、系统化的主动安全保障需求。
技术实现思路
1、本专利技术实施例提供了一种齿轮传动系统的故障诊断方法、装置、终端及存储介质，以解决齿轮传动系统的故障诊断准确性低的问题。
2、第一方面，本专利技术实施例提供了一种齿轮传动系统的故障诊断方法，包括：
3、获取对齿轮传动系统进行加速寿命实验得到的多路同源状态信号；其中，每路状态信号对应不同的时刻；
4、通过多维变分模态分解算法对各路状态信号进行同步降噪，得到指定数量个降噪信号；
5、分别对各个降噪信号进行时间延滞处理，得到多个延滞信号；
6、对各个延滞信号进行施密特正交化处理，得到多个正交化信号；
7、基于各个正交化信号建立齿轮传动系统的状态密度矩阵；
8、计算状态密度矩阵的瑞丽熵，作为齿轮传动系统的时间延滞瑞丽熵，并生成熵值云图；
>9、将熵值云图输入经过训练的残差网络，得到齿轮传动系统的故障诊断结果。10、在一种可能的实现方式中，当指定数量为2时，延滞信号包括第一延滞信号和第二延滞信号；
11、第一延滞信号对应的正交化信号为：
12、
13、其中，为第一延滞信号对应的正交化信号的右矢量，为第一延滞信号的右矢量，t1为第一延滞信号对应的时间延滞因子；
14、第二延滞信号对应的正交化信号为：
15、
16、其中，为第二延滞信号对应的正交化信号的右矢量，为第二延滞信号的右矢量，t2为第二延滞信号对应的时间延滞因子。
17、在一种可能的实现方式中，齿轮传动系统的状态密度矩阵为：
18、
19、其中，表示齿轮传动系统的状态密度矩阵，ωx和ωy分别表示第一延滞信号和第二延滞信号的权重，为第一延滞信号对应的正交化信号的左矢量，为第二延滞信号对应的正交化信号的左矢量，t1为第一延滞信号对应的时间延滞因子，t2为第二延滞信号对应的时间延滞因子。
20、在一种可能的实现方式中，状态密度矩阵的瑞丽熵的计算公式为：
21、
22、其中，α为尺度参数，为状态密度矩阵，t1为第一延滞信号对应的时间延滞因子，t2为第二延滞信号对应的时间延滞因子，为状态密度矩阵的迹，base为预设值。
23、在一种可能的实现方式中，残差网络包括依次连接的图像处理子网络、残差学习子网络和特征分类子网络：
24、图像处理子网络包括卷积层、relu激活层和批量标准化处理层；
25、残差学习子网络包括非线性函数激活层、标准化处理层、第一构建模块和第二构建模块；
26、特征分类子网络包括平均池化层和全连接层。
27、在一种可能的实现方式中，在将熵值云图输入经过训练的残差网络之前，还包括：
28、基于多个熵值云图构建图像集，将图像集划分为训练集和测试集；其中，每个熵值云图的标签为故障类型；
29、基于训练集和测试集对初始的残差网络进行训练，得到经过训练的残差网络。
30、在一种可能的实现方式中，通过多维变分模态分解算法对各路状态信号进行同步降噪，得到指定数量个降噪信号包括：
31、将多路同源状态信号x(t)＝[x1(t),x2(t),…xc(t)]分解为多个候选信号；
32、以带宽之和最小且与原始信号最接近为目标，在各个候选信号中确定指定数量个候选信号，作为降噪信号。
33、第二方面，本专利技术实施例提供了一种齿轮传动系统的故障诊断装置，包括：
34、获取模块，用于获取对齿轮传动系统进行加速寿命实验得到的多路同源状态信号；其中，每路状态信号对应不同的时刻；
35、降噪模块，用于通过多维变分模态分解算法对各路状态信号进行同步降噪，得到指定数量个降噪信号；
36、延滞模块，用于分别对各个降噪信号进行时间延滞处理，得到多个延滞信号；
37、正交模块，用于对各个延滞信号进行施密特正交化处理，得到多个正交化信号；
38、叠加模块，用于基于各个正交化信号建立齿轮传动系统的状态密度矩阵；
39、求熵模块，用于计算状态密度矩阵的瑞丽熵，作为齿轮传动系统的时间延滞瑞丽熵，并生成熵值云图；
40、诊断模块，用于将熵值云图输入经过训练的残差网络，得到齿轮传动系统的故障诊断结果。
41、第三方面，本专利技术实施例提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
42、第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
43、本专利技术实施例提供一种齿轮传动系统的故障诊断方法、装置、终端及存储介质，首先通过多维变分模态分解算法对多路同源状态信号进行同步降噪，为后续处理提供基础，然后通过时间延滞处理提取非对称时间序列之间的相关性变化，发掘引起系统状态改变的特征信息，接着通过态矢量描述机械系统状态的不确定性，并将态矢量叠加为齿轮系统的状态密度矩阵，将实现多路同源状态信号的数据级融合，最后计算状态密度矩阵的瑞丽熵，量化状态信号的不确定度，从而基于熵值云图得到具有更高准确性的故障诊断结果。
本文档来自技高网...
【技术保护点】
1.一种齿轮传动系统的故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的齿轮传动系统的故障诊断方法，其特征在于，当指定数量为2时，延滞信号包括第一延滞信号和第二延滞信号；
3.根据权利要求2所述的齿轮传动系统的故障诊断方法，其特征在于，所述齿轮传动系统的状态密度矩阵为：
4.根据权利要求2所述的齿轮传动系统的故障诊断方法，其特征在于，状态密度矩阵的瑞丽熵的计算公式为：
5.根据权利要求1所述的齿轮传动系统的故障诊断方法，其特征在于，所述残差网络包括依次连接的图像处理子网络、残差学习子网络和特征分类子网络：
6.根据权利要求5所述的齿轮传动系统的故障诊断方法，其特征在于，在所述将所述熵值云图输入经过训练的残差网络之前，还包括：
7.根据权利要求1所述的齿轮传动系统的故障诊断方法，其特征在于，所述通过多维变分模态分解算法对各路状态信号进行同步降噪，得到指定数量个降噪信号包括：
8.一种齿轮传动系统的故障诊断装置，其特征在于，包括：
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
...
【技术特征摘要】
1.一种齿轮传动系统的故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的齿轮传动系统的故障诊断方法，其特征在于，当指定数量为2时，延滞信号包括第一延滞信号和第二延滞信号；
3.根据权利要求2所述的齿轮传动系统的故障诊断方法，其特征在于，所述齿轮传动系统的状态密度矩阵为：
4.根据权利要求2所述的齿轮传动系统的故障诊断方法，其特征在于，状态密度矩阵的瑞丽熵的计算公式为：
5.根据权利要求1所述的齿轮传动系统的故障诊断方法，其特征在于，所述残差网络包括依次连接的图像处理子网络、残差学习子网络和特征分类子网络：
6.根据权利要求5所述的齿轮传动系统的故障诊断方法，其特征在于，在所...
【专利技术属性】
技术研发人员：武哲，崔彦平，秦志英，闫海鹏，牛虎利，杨光，李琦，王慧慧，崔素晓，沈景涛，李若宇，张琳琳，郝瑞轩，
申请(专利权)人：河北科技大学，
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。