[发明专利]齿轮箱损伤的多小波自适应分块阈值降噪时域诊断方法

权利要求书

1.一种齿轮箱损伤的多小波自适应分块阈值降噪时域诊断方法，其特征在于：

(1)对含噪信号进行预处理，得到矢量输入信号；

(2)对矢量输入信号进行多小波分解，得到高频系数和低频系数；

(3)根据判断条件对高频系数进行阈值处理：符合条件时采用自适应邻域分块阈值算法，否则采用逐点比较算法，得到降噪后的高频系数；

(4)对低频系数和经过阈值处理后的高频系数进行多小波反变换，重构降噪后的矢量输出信号；

(5)对矢量输出信号进行后处理，得到一维降噪结果；

(6)通过分析降噪结果中的时域脉冲波形的周期性，提取出齿轮箱的损伤特征进行故障诊断；

其中，步骤3）所述的自适应邻域分块阈值算法包括下述步骤：

1)设含噪信号S是所关心的故障特征F与噪声E的叠加，可以表示为：

S=F+E

以2×2维多小波变换为例，S＝[s⁽¹⁾,s⁽²⁾]^T表示经过预处理后的2维振动信号，噪声E服从多元正态分布N(0,V_j)，在第k个邻域分块中，定义变量作为阈值降噪的基本变量，将其中向量化的系数转化为标量，矩阵V_j为多小波分解第j层的高频系数的协方差矩阵；

定义：

mad(y)=1.4826·median(|y-median(y)|)

式中，函数median()用于寻找数列y中的中位数，矩阵V_j可表达为：

Vj=1a1·a1b1-b2(b1+b2)·a1·a2b1-b2(b1+b2)·a1·a21a2·a2]]>

式中，a₁=1/mad(row₁)，a₂=1/mad(row₂)，b₁=mad(a₁·row₁+a₂·row₂)，b₂=mad(a₁·row₁-a₂·row₂)，其中row₁与row₂代表多小波高频系数的2个分量；

在自适应邻域分块阈值降噪算法中，第k个邻域分块中多小波系数组合为其中L为邻域分块长度；阈值表示为：

D^j,k=Dj,k(1-μ2sumj,k2),Sumj,k2≥μ20,Sumj,k2<μ2]]>

式中，μ=2logn₁，n₁为多小波第j层分解的数据长度；

2)设定判断条件,令和μ^F=2Llogn₁，用(μ^*,L^*)表示阈值和邻域分块长度：

(μ*,L*)=argminmax{L-2,0}≤μ≤μF,1≤L≤n11/2SURE(x,μ,L)]]>

根据下式，定义故障特征F的估计算子

该估计算子称为SureBlock算子，当T_d≤γ_d时，该算子退化为分块长度为1的James-Stein估计算子。

2.如权利要求1所述的一种齿轮箱损伤的多小波自适应分块阈值降噪时域诊断方法，其特征在于，步骤（6）的具体实施方式为：计算降噪结果中时域冲击波形的平均时间间隔来作为冲击波形的周期，根据输入轴转速和齿轮箱传动比计算出各转轴的旋转周期，通过比较冲击波形的周期和齿轮箱各转轴的旋转周期，判断齿轮箱是否存在损伤，确定出损伤齿轮所在的转轴。