[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

本發明涉及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，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。本發明利用齒輪箱振動信號在特征頻段上的幅頻譜作為特征信號來分別評估齒輪的故障狀態，可以高效地自動化診斷當前故障，指導普通技術人員及時維修維護齒輪箱，明顯提高了工作效率。

技術領域

本發明屬于機械故障診斷技術領域，具體涉及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。

背景技術

齒輪箱用于傳遞力與載荷，在機械工程領域得到了廣泛的應用。然而，齒輪箱的工作環境通常較為惡劣與復雜，導致其長時間承受復雜交變負荷，而且運行工況變換頻繁，加之溫度、潤滑、物理化學等多方面的影響，使得存在多種因素容易導致齒輪箱齒輪(如太陽輪、行星輪、齒圈等)形成點蝕、剝落與裂紋等故障。此外，軸承容易產生磨損、腐蝕、壓痕等故障情況。

當齒輪箱發生故障時，需要及時地診斷出故障部件以高效地指導齒輪箱的維修維護工作。由于齒輪箱的齒輪及軸承往往被箱體遮擋而無法直接憑借肉眼觀察來診斷，實際應用中往往以間接的手段來診斷齒輪箱故障，例如振動信號分析、油液分析、熱成像分析等等。其中，振動信號分析適用性廣，得到了廣泛的應用。

然而，齒輪箱故障診斷工作目前主要依靠專業技術人員完成。人工診斷過程往往需要大量的人工分析過程，耗時耗力。并且人工診斷的準確性及其依賴于診斷人員專業知識與診斷經驗，對普通技術人員門檻較高。

發明內容

本發明的目的在于提供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，本發明利用齒輪箱振動信號在特征頻段上的幅頻譜與包絡頻譜作為特征信號來分別評估齒輪與軸承的故障狀態，可以高效地自動化診斷當前故障，指導普通技術人員及時維修維護齒輪箱，大大減少了工作人員的工作量，明顯提高了工作效率。

為實現上述目的，本發明所采取的技術方案是：

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。

進一步地，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。