[發明專利]基于改進的稀疏分解算法的齒輪故障檢測方法

在審

• 申請號: 202010732900.0
• 申請日: 2020-07-27
• 公開（公告）號: CN111678691A
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 宿磊;李欣欣;李可;顧杰斐;陳山鵬
• 申請（專利權）人: 江南大學
• 主分類號: G01M13/021
• 分類號: G01M13/021;G01M13/028
• 代理公司: 無錫華源專利商標事務所(普通合伙) 32228
• 代理人: 過顧佳;聶啟新

1.一種基于改進的稀疏分解算法的齒輪故障檢測方法，其特征在于，所述方法包括：

采集振動信號樣本，對所述振動信號樣本進行雙樹復小波分解獲得若干個信號分量，并根據最大峭度原則從所有信號分量中選取包含故障特征信息最多的目標信號分量；

基于拉普拉斯小波的相關濾波對所述目標信號分量進行參數識別確定目標特征參數；

以所述目標特征參數構造的拉普拉斯小波原子作為核函數生成與故障特征信息匹配的過完備字典；

獲取待檢測齒輪的待檢測振動信號，基于匹配追蹤算法利用所述過完備字典對所述待檢測振動信號進行稀疏重構得到重構信號；

對所述重構信號進行解調分析實現對所述待檢測齒輪的故障檢測。

2.根據權利要求1所述的方法，其特征在于，所述基于拉普拉斯小波的相關濾波對所述目標信號分量進行參數識別確定目標特征參數，包括：

以拉普拉斯小波為核函數，通過對所述拉普拉斯小波的特征參數進行離散構造形成小波特征庫；

計算所述小波特征庫中各個小波與所述目標信號分量的相關系數；

確定相關系數最大的小波的特征參數為所述目標特征參數。

3.根據權利要求2所述的方法，其特征在于，所述計算所述小波特征庫中各個小波與所述目標信號分量的相關系數，包括對于所述小波特征庫中的每個小波：

按照公式計算所述小波與所述目標信號分量的相關系數，其中，k_r為所述相關系數，ψ_γ(t)為所述小波，x(t)為所述目標信號分量。

4.根據權利要求1所述的方法，其特征在于，所述以所述目標特征參數構造的拉普拉斯小波原子作為核函數生成與故障特征信息匹配的過完備字典，包括：

以所述目標特征參數構造的拉普拉斯小波原子作為核函數，對所述核函數在信號時間歷程上進行平移，生成所述過完備字典。

5.根據權利要求1所述的方法，其特征在于，所述基于匹配追蹤算法利用所述過完備字典對所述待檢測振動信號進行稀疏重構得到重構信號，包括：

以內積最大原則依次選取所述過完備字典中的原子作為局部最優原子，通過對選取的局部最優原子進行線性相加獲得所述重構信號。

6.根據權利要求5所述的方法，其特征在于，所述以內積最大原則依次選取所述過完備字典中的原子作為局部最優原子，通過對選取的局部最優原子進行線性相加獲得所述重構信號，包括：

將所述待檢測振動信號作為第一次迭代的待重構信號；

在第i次迭代中，計算所述待重構信號與所述過完備字典中的各個原子的內積，并確定內積最大值所對應的原子為局部最優原子；

對第i次迭代選取的局部最優原子進行線性相加得到第i次迭代結果，每次迭代結果包括重構信號和殘差信號；

若im，則令i＝i+1并將所述第i次迭代結果中的殘差信號作為所述待重構信號，再次執行所述計算所述待重構信號與所述過完備字典中的各個原子的內積的步驟；

當i＝m，將第m次迭代結果中的重構信號作為所述待檢測振動信號的重構信號。

7.根據權利要求1所述的方法，其特征在于，所述對所述重構信號進行解調分析，包括：對所述重構信號進行頻域分析以及包絡分析。

8.根據權利要求7所述的方法，其特征在于，所述對所述重構信號進行解調分析實現對所述待檢測齒輪的故障檢測，包括：

若所述重構信號在進行頻域分析時出現以嚙合頻率為中心的調制邊頻帶，和/或，所述重構信號在進行包絡分析時出現轉頻的倍頻現象，則確定所述待檢測齒輪存在故障；

其中，轉頻嚙合頻率為f_m＝z·f_r，n為所述待檢測齒輪所在軸的轉速，z為所述待檢測齒輪的齒數。