[發明專利]一種基于頻率誘導變分模態分解的齒輪箱故障診斷方法

在審

• 申請號: 202111260198.3
• 申請日: 2021-10-28
• 公開（公告）號: CN114018571A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 馬天霆;韓冰;孫振波;張天羽;沈立祥;鄧艾東;曹明;鄧敏強
• 申請（專利權）人: 國能太倉發電有限公司;南京東振測控技術有限公司
• 主分類號: G01M13/021
• 分類號: G01M13/021;G01M13/028;G06F17/14
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 郝雅潔

1.一種基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，包括以下步驟：

S1、通過頻率誘導變分模態分解將原始振動信號自適應分解為窄帶模態分量；

S2、對各所述窄帶模態分量求包絡譜，并計算故障特征頻率比；

S3、選擇故障特征頻率比最大的窄帶模態分量作為有效分量；

S4、對所述有效分量進行包絡分析以識別齒輪箱的故障類型。

2.根據權利要求1所述的基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，所述通過頻率誘導變分模態分解將原始振動信號自適應分解為窄帶模態分量，具體包括：

S11、將原始振動信號x(t)經傅立葉變換轉換為頻域信號X(ω)；

S12、根據原始振動信號的傅立葉譜X(ω)的極大值分布估計齒輪箱系統的自振頻率f_i；

S13、將自振頻率f_i的估計值，作為各模態分量中心頻率的初始化位置，并通過交替乘子法將X(ω)自適應分解為窄帶模態分量U_k(ω)；

S14、通過傅立葉逆變換將U_k(ω)轉換為時域信號u_k(t)。

3.根據權利要求2所述的基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，所述根據原始振動信號的傅立葉譜X(ω)的極大值分布估計齒輪箱系統的自振頻率f_i，具體包括：

1)搜索傅立葉譜X(ω)中最大的極值點，將其作為自振頻率估計值f_i；

2)在f_i±μ₁·f_i的范圍以外搜索最大的極值點，并將其作為新的自振頻率估計值f_i+1，其中，i＝1，2...K，K為已搜索到的自振頻率估計值的個數；

3)重復步驟2)直至f_i±μ₁·f_i的范圍以外所有極大值點滿足X(f_i+1)≤μ₂·max(X(f))；

其中，μ₁、μ₂均為常數。

4.根據權利要求3所述的基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，步驟S13中，交替乘子法的迭代計算式為：

其中，X(ω)為原始振動信號x(t)的傅里葉譜，U_k(ω)為分解后的窄帶模態分量，α為常系數取2000，λ(ω)為拉格朗日乘子。

5.根據權利要求4所述的基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，拉格朗日乘子λ(ω)的解析式為：

ω_k為U_k(ω)的中心頻率，其計算式為：

6.根據權利要求3所述的基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，μ₁取值為0.1。

7.根據權利要求3所述的基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，μ₂取值為0.15。

8.根據權利要求2所述的基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，步驟S2中，求包絡譜的計算式為：

其中，Y(ω)為各窄帶模態分量的包絡譜，u_k(τ)為分解所得的窄帶模態分量U_k(ω)對應的時域信號，τ和t均為時間變量。

9.根據權利要求8所述的基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，步驟S3中，故障特征頻率比僅計算3倍故障特征頻率范圍內的包絡譜分布：

FCFR為故障特征頻率比，f_c為故障特征頻率，C為分析的故障類別數。

10.根據權利要求1所述的基于頻率誘導變分模態分解的齒輪箱故障診斷方法，其特征在于，步驟S4中，根據故障特征頻率在有效分量的包絡譜中是否突出，來識別齒輪箱的故障類型。