[發明專利]一種基于共振稀疏分解改進算法的齒輪箱故障診斷方法

有效

• 申請號: 202010418939.5
• 申請日: 2020-05-18
• 公開（公告）號: CN111638055B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 鄧艾東;朱靜;鄧敏強;史曜煒;程強;劉洋
• 申請（專利權）人: 東南大學
• 主分類號: G01M13/021
• 分類號: G01M13/021;G01M13/028;G06N3/00;G06K9/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 羅運紅

1.一種基于共振稀疏分解改進算法的齒輪箱故障診斷方法，其特征在于，該方法包括如下步驟：

(1)設置蟻獅優化算法的預設參數，包括目標函數、最大代數、變量上下限；

(2)以行星齒輪箱共振稀疏分解后的高品質分量最小模糊熵值為目標函數，使用蟻獅優化算法對高低品質因子進行尋優；

(3)以尋優后的高低品質因子Q_H和Q_L作為預設參數，對齒輪箱振動信號進行共振稀疏分解，形成高低共振分量；

(4)對包含有齒輪箱故障信號的高共振分量進行包絡譜分析，提取故障特征頻率，從而識別故障。

2.根據權利要求1所述的一種基于共振稀疏分解改進算法的齒輪箱故障診斷方法，其特征在于，步驟(2)中的模糊熵定義如下：

1)假定采樣點數為N的數據序列X＝[x(1),x(2),...x(N)]的模式維數為m，則重構生成一組m維向量，X_m(i)＝[x(i),x(i+1),...x(i+m-1)]-u(i)，該序列為行星齒輪箱故障振動數據，式中i＝1,2,...N-m+1，令u(i)是向量的均值，即：

2)設向量X_m(i),X_m(j)之間的距離式中，i,j＝1,2,...N-m+1；

3)由混沌偽隨機序列復雜度預測的模糊隸屬度函數求得兩向量X_m(i)、X_m(j)間的相似度為：

r為分辨率參數；

4)定義函數：

可得到：

5)對m+1維模式維數重復步驟1)-4)

6)得到行星齒輪箱故障信號序列的模糊熵為：

FuzzyEn(m,r,N)＝lnφ^m(r)-lnφ^m+1(r)。

3.根據權利要求1或2所述的一種基于共振稀疏分解改進算法的齒輪箱故障診斷方法，其特征在于，步驟(3)中，以QH和QL為預設參數，共振稀疏分解可以將行星齒輪箱信號分解為高共振分量和低共振分量，品質因子Q的定義為：

其中，f_c為信號的中心頻率，BW為信號的帶寬，Q的大小反映了信號的共振程度，尋優后的高共振分量的QH范圍為3～8，低共振分量的QL值在1～1.5。

4.根據權利要求3所述的一種基于共振稀疏分解改進算法的齒輪箱故障診斷方法，其特征在于，步驟(3)中，原信號經過L層TQWT通過高通尺度因子和低通尺度因子分解為一系列的子帶，即得到L個低共振子帶v₀(n)和L個高共振子帶v₁(n)，設置Q＝QH，則高共振子帶重構后得到S₁，設置Q＝QL，則低共振子帶重構后得到S₂。

5.根據權利要求4所述的一種基于共振稀疏分解改進算法的齒輪箱故障診斷方法，其特征在于，分解層數L滿足以下條件：

式中，N₁為信號尺度，β為高通尺度因子α為低通尺度因子r₁表示冗余度，子帶信號v₀(n)的采樣頻率為αf_s，v₁(n)的采樣頻率為βf_s，f_s為行星齒輪箱故障信號的原信號x(n)的采樣頻率。

6.根據權利要求5所述的一種基于共振稀疏分解改進算法的齒輪箱故障診斷方法，其特征在于：步驟(3)中的高低共振分量計算方法如下：

(3.1)從觀測信號即行星齒輪箱故障信號x中分別估計出共振屬性不同的源信號x₁和x₂，假定信號x₁和x₂可分別用S₁和S₂稀疏表示，構建MCA的目標函數設定為：

式中：W₁，W₂分別為表示信號x₁ x₂在S₁、S₂下的變換系數；W_1,i表示W₁中的第i個分量，W_2,j表示W₂中的第j個分量，m和n分別為高低共振分量的個數，λ_1,i為高共振分量第i個分量的正則化參數，λ_2,j為低共振分量第j個分量的正則化參數；

(3.2)共振稀疏分解方法利用分裂增廣拉格朗日搜索算法，通過迭代更新變換系數W₁、W₂，使目標函數J最小化，最終實現高共振分量和低共振分量的有效分離，當目標函數最小時，對應的高共振分量和低共振分量變換系數分別為W₁^*，W₂^*，則求取的高共振分量和低共振分量的估計值分別為：