[發明專利]基于神經網絡與特征頻段的齒輪箱自動化故障診斷方法

在審

• 申請號: 201911148307.5
• 申請日: 2019-11-21
• 公開（公告）號: CN110836770A
• 公開（公告）日: 2020-02-25
• 發明（設計）人: 肖湘平;陳立立;祝帆;趙家琦
• 申請（專利權）人: 荊州市巨鯨傳動機械有限公司
• 主分類號: G01M13/021
• 分類號: G01M13/021;G01M13/028;G06N3/04;G06N3/08
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 湯蔚莉

1.一種基于神經網絡與特征頻段的齒輪箱自動化故障診斷方法，其特征在于，包括：

齒輪的故障診斷：

S1、采集樣本齒輪箱的振動加速度信號，構建信號庫；

S2、對振動加速度信號進行傅里葉變換得到相應的幅頻譜；

S3、在幅頻譜中提取若干組頻段樣本，并標記每一個樣本的齒輪狀態標簽，構建齒輪故障頻段庫；

S4、利用齒輪故障頻段庫來訓練齒輪故障診斷神經網絡；

S5、提取待診斷齒輪箱中齒輪的幅頻譜特征頻段；

S6、向齒輪故障診斷神經網絡中輸入幅頻譜特征頻段來診斷齒輪的故障概率。

2.根據權利要求1所述的基于神經網絡與特征頻段的齒輪箱自動化故障診斷方法，其特征在于，所述步驟S3包括：定義幅頻譜采樣中心頻率f₁與邊帶寬度f₂，m₁倍邊帶的特征頻率向量定義為f₁±if₂(i＝1,2,...,m₁)；幅頻譜中的頻段定義為以每個特征頻率為中心，寬度為w₁的頻段的集合；在提取頻段樣本時，m₁與w₁是預定義的；采樣時，通過變化f₁與f₂來采集不同的頻段；當樣本的中心頻率等于故障齒輪嚙合頻率的任一倍頻，且樣本的邊帶寬度等于故障齒輪故障頻率時，則該樣本的齒輪狀態被定義為故障；齒輪故障頻段庫包括各個頻段樣本的幅頻譜及對應的齒輪狀態。

3.根據權利要求2所述的基于神經網絡與特征頻段的齒輪箱自動化故障診斷方法，其特征在于，所述步驟S4包括：以齒輪故障頻段庫中各頻譜頻段樣本的幅頻譜作為輸入，以齒輪故障頻段庫中各頻段樣本對應的齒輪狀態作為輸出，訓練齒輪故障診斷神經網絡。

4.根據權利要求3所述的基于神經網絡與特征頻段的齒輪箱自動化故障診斷方法，其特征在于，所述步驟S5提取待診斷齒輪箱中齒輪的幅頻譜特征頻段包括：預定義待診斷齒輪箱中各個齒輪的參數，采集齒輪箱的轉速信號，計算各個齒輪的嚙合頻率與故障頻率；采集待診斷齒輪箱的振動加速度信號，對該振動加速度信號做傅里葉變換得到相應的幅頻譜；在該幅頻譜中提取以齒輪嚙合頻率的前n倍頻為中心頻率，以齒輪故障頻率為邊帶寬度的n個幅頻譜特征頻段。

5.根據權利要求4所述的基于神經網絡與特征頻段的齒輪箱自動化故障診斷方法，其特征在于，所述步驟S6診斷齒輪的故障概率包括：利用齒輪故障診斷神經網絡診斷齒輪每個幅頻譜特征頻段的故障概率，得到齒輪的n個故障概率，將n個故障概率加權后求得齒輪的故障概率；以此類推，求得待診斷齒輪箱中各個齒輪的故障概率。

6.根據權利要求1-5任一所述的基于神經網絡與特征頻段的齒輪箱自動化故障診斷方法，其特征在于，還包括軸承的故障診斷：

S1、采集樣本齒輪箱的振動加速度信號，構建信號庫；

S2、對振動加速度信號進行希爾伯特變換得到相應的包絡頻譜；

S3、在包絡頻譜中提取若干組包頻段樣本，并標記每一個樣本的軸承狀態標簽，構建軸承故障頻段庫；

S4、利用軸承故障頻段庫來訓練軸承故障診斷神經網絡；

S5、提取待診斷齒輪箱中軸承的包絡頻譜特征頻段；

S6、向軸承故障診斷神經網絡中輸入包絡頻譜特征頻段來診斷軸承的故障概率。

7.根據權利要求6所述的基于神經網絡與特征頻段的齒輪箱自動化故障診斷方法，其特征在于，所述步驟S3包括：定義包絡頻譜采樣中心頻率f₃，包絡頻譜中的頻段定義為以采樣中心頻率f₃為中心，寬度為w₂的頻段；在提取頻段樣本時，w₂是預定義的；采樣時，通過變化f₃來采集不同的頻段；當樣本的中心頻率等于故障軸承故障頻率的任一倍頻時，該樣本的軸承狀態被定義為故障；軸承故障頻段庫包括各個頻段樣本的包絡頻譜及對應的軸承狀態。