[發明專利]一種齒輪箱的智能故障檢測方法

在審

• 申請號: 202110645497.2
• 申請日: 2021-06-09
• 公開（公告）號: CN113607407A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 黃冠宇
• 申請（專利權）人: 上海九高節能技術股份有限公司
• 主分類號: G01M13/021
• 分類號: G01M13/021;G01M13/028;F03D17/00;G06N3/04;G06N3/08;G08C17/02
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本申請提供了一種齒輪箱的智能故障檢測方法，所述方法包括：S1.在待測設備上設置多個用于采集振動信號的檢測節點；S2.采集所述待測設備上每個所述檢測節點的振動信號；S3.所述多節點的振動信號使得眾多的傳感器協同工作進行高質量的傳感，組成一容錯性較好的采集系統；S4.將采集的振動信號輸入神經網絡故障診斷模型；S5.根據所述神經網絡故障診斷模型判斷所述待測設備的狀況。

技術領域

本發明涉及設備檢查領域，尤其涉及一種齒輪箱的智能故障檢測方法。

背景技術

設備故障監測與診斷技術正向網絡化、智能化、遠程化、實時化、精密與早期預測的方向發展，實時裝備預測及健康管理并與工程資產管理信息化緊密結合，是未來物聯網應用的重要領域之一?，F有的故障診斷方法大都有“事后才診斷、現場來處理”的特點，在時間和效率上造成浪費，可以說我國機械行業的生產自動化程度很高，而設備維修方面的自動化程度相對較低，因此不斷提高設備維護維修的自動化、遠程化及故障的預防是未來的發展趨勢。

風力發電機是風電場的關鍵設備，齒輪箱又是機組的關鍵部件，其性能好壞直接影響整個機組的發電效率。由于齒輪箱的結構復雜，工作環境一般比較惡劣又是故障率較高的部件之一，因此，進行齒輪箱故障診斷研究有著重要的意義。

發明內容

為了克服現有技術存在的不足，本申請提出了一種齒輪箱的智能故障檢測方法，所述方法包括如下步驟：S1.在待測設備上設置多個用于采集振動信號的檢測節點；

S2.采集所述待測設備上每個所述檢測節點的振動信號；

S3.用于采集所述多節點的振動信號的傳感器協同工作，組成一采集系統；

S4.將采集的振動信號輸入神經網絡故障診斷模型；

S5.根據所述神經網絡故障診斷模型判斷所述待測設備的狀況。

在一個可能的實現方式中，所述神經網絡故障診斷模型依次包括輸入層、中間層、承接層和輸出層；

所述輸入層用于信號傳輸，所述輸出層起線性加權作用，所述中間層的傳遞函數用于采用線性或非線性函數，連接權進行學習修正；所述承接層從中間層接收反饋信號，用來記憶中間層神經元前一時刻的輸出值，承接層神經元的輸出經延遲與存儲，再輸入到中間層。

在一個可能的實現方式中，所述神經網絡故障診斷模型的非線性狀態空間表達式為：

y(k)＝g(w³x(k))

x(k)＝f(w¹x_c(k)+w²(u(k-1)))

x_c(k)＝x(k-1)

其中y是m維輸出結點向量，x是n維中間層結點單元向量u是r維輸入向量，x_c是n維反饋向量；w¹，w²，w³分別是中間層到輸出層、輸入層到中間層、承接層到中間層的連接權值；g(·)是輸出神經元的傳遞函數，是中間層輸出的線性組合；f(·)是中間層神經元的傳遞函數。

在一個可能的實現方式中，f(·)為sigmoid函數。

在一個可能的實現方式中，所述神經網絡故障診斷模型的學習指標函數采用誤差平方和函數：

其中y_k(w)是實際輸出量，是目標輸出量。

在一個可能的實現方式中，所述檢測節點包括加速度傳感器、MCU 和無線傳輸模塊，所述加速度傳感器用于完成信號的采集，所述無線傳輸模塊完成信號的傳輸。