[发明专利]一种稀疏分离模型的齿轮箱复合微弱故障诊断方法

说明书

本发明涉及一种稀疏分离模型的齿轮箱复合微弱故障诊断方法，包括以下步骤：通过加速度传感器拾取齿轮箱的复合故障振动信号；对待分析信号利用稀疏分离模型算法进行稀疏分解，提取周期性稀疏故障信号与震荡故障信号；利用Hilbert包络解调谱分别对稀疏故障信号与低频震荡信号进行包络解调，提取包络谱及其各次谐波成分，最后与理论计算值对比，定位出复合故障类型。本发明无需依赖振动信号的结构先验知识，也无需采集海量的样本信号构造脉冲冗余字典，能够很好的降低背景噪声的干扰，提取比较微弱的复合故障，稳定性强，适合于齿轮箱在工作状态下实时故障巡检和在线监控避免突发性事故发生。

技术领域

本发明涉及机械故障诊断技术领域，特别是涉及一种稀疏分离模型的齿轮箱复合微弱故障诊断方法。

背景技术

齿轮箱作为旋转机械设备的核心关键部件，其运转期间的状态监测与故障诊断直接影响整个机械系统的性能与寿命，因此，准确及时地识别出齿轮箱的故障，尤其是早期故障-复合故障萌芽阶段，对故障早期预警、确保企业高效生产与工程人员的生命安全具有重要意义。所谓早期故障-复合故障是指多种故障刚刚萌生，还未对机械设备的性能与工作状态造成严重的危害，但通常早期故障特征比较微弱，各种故障频率耦合混叠，传感器采集的振动信号容易受到外界噪声的干扰，振动信号本身还具有随机性特征，因此，早期微弱复合故障的特征提取一直是机械故障诊断领域面临的难题。

目前国内外对微弱复合故障的研究主要集中在振动信号的自适应分解算法，如小波/小波包分解、经验模态分解/集成经验模态分解、局部均值分解、变分模态分解等，各研究的侧重点互不相同，但以上自适应分解算法仍然受到模态混叠、模态阶数、端点效应的影响，信号分离与诊断精度受到限制而不能推广使用。近年来，稀疏表示方法在微弱复合故障诊断领域蓬勃发展，取得了一定的研究成果。然而很多学者大都集中在如何构建冗余字典方法来实现故障稀疏表示，如提出了谐波小波字典、K-均值奇异值分解字典、步进-脉冲字典、移不变字典等，但冗余字典的设计依赖大量待诊断信号样本及其物理固有结构，且构造的冗余字典并不能完全反映原始信号波形的物理结构，同时也带来了字典训练的耗时问题与计算复杂度问题，因此在工程上不易实现。

发明内容

本发明所要解决的技术问题是提供一种稀疏分离模型的齿轮箱复合微弱故障诊断方法，无需依赖振动信号的结构先验知识和采集海量的样本信号构造脉冲冗余字典，降低计算复杂度。

本发明解决其技术问题所采用的技术方案是：提供一种稀疏分离模型的齿轮箱复合微弱故障诊断方法，包括以下步骤：

(1)在待测齿轮箱的靠近轴承座水平、竖直以及轴向分别安装加速度传感器，拾取齿轮箱的复合故障振动信号；

(2)利用稀疏分离模型算法对待分析信号进行稀疏分解，得到稀疏故障信号与低频震荡故障信号两种单一的故障信号；

(3)利用Hilbert包络解调谱分别对稀疏故障信号与低频震荡故障信号进行包络解调，得到包络谱，提取的包络谱峰值及其各次谐波成分，进行相应故障识别诊断。

所述步骤(2)中具体包括以下步骤：