一种基于自适应MCKD的RV减速器齿轮微弱故障诊断方法技术

本发明专利技术涉及机械状态监测技术领域，解决了MCKD输入参数依赖于人工经验选择而导致提取微弱故障特征信息效果差的技术问题，尤其涉及一种基于自适应MCKD的RV减速器齿轮微弱故障诊断方法，该方法包括以下步骤：获取RV减速器齿轮在运行状态下的原始信号x；采用SCSSA搜索算法自适应确定最大相关峭度解卷积MCKD在最优适应度函数值下的最优诊断参数。本发明专利技术用于不同工况下的RV减速器齿轮故障诊断，充分利用MCKD在故障特征提取方面的优势，案例研究证明所提出方法的有效性，该方法的分类识别准确率达到97.5％以上，实现高效的RV减速器故障诊断。

【技术实现步骤摘要】

本专利技术涉及机械状态监测，尤其涉及一种基于自适应mckd的rv减速器齿轮微弱故障诊断方法。

技术介绍

1、在旋转矢量(rotary vector,rv)减速器实际运行的过程中，rv减速器齿轮发生局部故障时产生的冲击特征非常微弱，由于工作环境和外部因素的影响导致难以准确提取出故障特征。考虑到采集信号受强噪声和复杂传输路径的影响，解卷积方法被认为是提取周期性故障脉冲的有效工具。

2、目前基于最大相关峭度解卷积算法(maximum correlated kurtosisdeconvolution,mckd)可以在低信噪比情况下增强信号的冲击特征，从而提升原信号的峭度值并从故障信号中解卷积出周期性脉冲成分，有效提取出微弱故障特征信息。然而mckd算法的效果主要由滤波器长度l、解卷积周期t和移位数m三个输入参数决定，参数设置的合理性对解卷积效果有着至关重要的影响，但目前主要是依赖于人工经验选择，而导致在微弱故障特征提取中的优越性较低，并且在受传输路径和强噪声干扰下故障特征则更加难以提取。因此就需要一种方法来自适应确定mckd算法中l、t和m的最佳组合。本文档来自技高网...

【技术保护点】

1.一种基于自适应MCKD的RV减速器齿轮微弱故障诊断方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的RV减速器齿轮微弱故障诊断方法，其特征在于，在步骤S2中，最优适应度函数值为以包络谱峰值因子Ec的最大值作为目标函数，最优诊断参数包括滤波器长度L、解卷积周期T和滤波器移位数M。

3.根据权利要求1所述的RV减速器齿轮微弱故障诊断方法，其特征在于，在步骤S2中，具体过程包括以下步骤：

4.根据权利要求3所述的RV减速器齿轮微弱故障诊断方法，其特征在于，在步骤S21中，定义SCSSA搜索算法的初始参数包括：设置麻雀种群规模N、最大迭代次数...

【技术特征摘要】

1.一种基于自适应mckd的rv减速器齿轮微弱故障诊断方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的rv减速器齿轮微弱故障诊断方法，其特征在于，在步骤s2中，最优适应度函数值为以包络谱峰值因子ec的最大值作为目标函数，最优诊断参数包括滤波器长度l、解卷积周期t和滤波器移位数m。

3.根据权利要求1所述的rv减速器齿轮微弱故障诊断方法，其特征在于，在步骤s2中，具体过程包括以下步骤：

4.根据权利要求3所述的rv减速器齿轮微弱故障诊断方法，其特征在于，在步骤s21中，定义scssa搜索算法的初始参数包括：设置麻雀种群规模n、最大迭代次数z...

【专利技术属性】
技术研发人员：吕中亮，唐银，刘康，罗佳森，贾翔宇，李玲凤，彭麟昊，
申请(专利权)人：重庆科技大学，
类型：发明
国别省市：