[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

本發明公開了一種基于改進的稀疏分解算法的齒輪故障檢測方法，涉及故障檢測技術領域，該方法在傳統基于參數字典稀疏重構的基礎上，增加了對信號的預處理及對參數字典的優化設計，利用雙樹復小波分解結合最大峭度原則實現信號的預處理，大大降低了噪聲對后續處理的影響，基于拉普拉斯小波的相關濾波確定目標特征參數從而構建過完備字典，不僅可以有效的縮減字典冗余度而且可以使得設計的字典與故障特征更為相似，最后結合匹配追蹤算法以實現對振動信號中沖擊特征的提取實現故障檢測，該方法可以提高稀疏表示的計算效率，實現有效的故障診斷。

技術領域

本發明涉及故障檢測技術領域，尤其是一種基于改進的稀疏分解算法的齒輪故障檢測方法。

背景技術

齒輪作為旋轉機械中不可或缺的部件之一，在電力、石油、運輸、農業等現代化工業設備中被廣泛使用。由于實際工程中齒輪運轉工況復雜多變，不可避免的發生故障，據統計，傳統機械中80％的設備故障是由齒輪引起的，因此，對齒輪進行有效的故障診斷對減少經濟損失與人員傷亡具有十分重要的意義。

目前，基于振動分析的診斷方法是旋轉機械故障判別的重要途徑之一，振動信號的時域、頻域及時域特征是故障診斷的重要依據，但是實際應用中，由于背景噪音的影響以及早期故障特征不明顯，使得故障診斷變得十分困難，普通的時頻分析手段難以進行有效的故障識別。近年來，稀疏表示理論被應用于故障診斷領域，基于稀疏分解的特征提取成為新的研究熱點，但是稀疏分解在故障診斷中的應用仍存在著諸多問題，由于實際的振動信號十分復雜，為保證采集到完備的故障信息，要求較大的數據量，這導致計算量急劇增加，此外，構造一個合適的過完備字典，對稀疏重構的效果起著至關重要的作用。

發明內容

本發明人針對上述問題及技術需求，提出了一種基于改進的稀疏分解算法的齒輪故障檢測方法，本發明的技術方案如下：

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，方法包括：

采集振動信號樣本，對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目標信號分量進行參數識別確定目標特征參數；

以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過完備字典對待檢測振動信號進行稀疏重構得到重構信號；

對重構信號進行解調分析實現對待檢測齒輪的故障檢測。

其進一步的技術方案為，基于拉普拉斯小波的相關濾波對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；

計算小波特征庫中各個小波與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目標特征參數。

其進一步的技術方案為，計算小波特征庫中各個小波與目標信號分量的相關系數，包括對于小波特征庫中的每個小波：

按照公式計算小波與目標信號分量的相關系數，其中，k_r為相關系數，ψ_γ(t)為小波，x(t)為目標信號分量。

其進一步的技術方案為，以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：

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