[发明专利]一种齿轮箱故障分析方法

权利要求书

1.一种齿轮箱故障分析方法，其特征在于：其方法为：建立齿轮箱信号采集设备系统，通过齿轮箱信号采集设备系统来采集齿轮信号，采用径向基粒子滤波法来将采集到的齿轮信号进行去噪处理，然后提取相关的特征参数，最后将提取的相关特征参数导入经过粒子群优化后的小波神经网络中进行故障诊断输出。

2.根据权利要求1所述的一种齿轮箱故障分析方法，其特征在于：齿轮箱信号采集设备系统包括设置在齿轮箱垂直方向上的加速传感器、与齿轮箱连接的动态模拟器、与动态模拟器连接的信号分析器以及与信号分析器连接的数据处理端。

3.根据权利要求1所述的一种齿轮箱故障分析方法，其特征在于：将采集到的齿轮信号进行去噪处理的具体方法为：首先建立振动信号的系统模型；然后将采集到的振动信号导入到系统模型中，对其中的粒子滤波参数进行优化，并对径向基粒子滤波法进行仿真验证，证明其有效性；最后采用径向基粒子滤波法对优化好的粒子滤波参数进行处理，获取输出，完成对齿轮箱实验中的振动信号进行滤波去噪处理。

4.根据权利要求3所述的一种齿轮箱故障分析方法，其特征在于：采用径向基粒子滤波法对优化好的粒子滤波参数进行处理的具体步骤为：

(1)、初始化；在初始时刻，根据初始密度函数P(x₀)分布来采样得到即其中x₀表示径向基粒子滤波的初始状态，表示从状态空间中采集的样本，N表示粒子数目；

(2)、构建径向基函数网络；根据系统相关的空间状态模型构建径向基函数网络训练的样本，利用其学习算法得到输出，即得到新的样本可以表示为：

(3)、重要性权值计算；新的采样根据公式计算得到新的重要性权值，根据公式完成相应的权值归一化。

(4)、重采样；从集合中根据新的重要性权值重新采样；

(5)、输出；其输出状态估计为方差估计

5.根据权利要求1所述的一种齿轮箱故障分析方法，其特征在于：小波神经网络进行粒子群优化的方法的具体步骤为：

(1)、设置小波网络参数的初始值，伸缩因子设定为a,平行因子设定为b，其余网络权值初始值设为(0,1)间的随机数；

(2)、初始化粒子群的各个参数：粒子数设为m，适应阀值为ε，惯性权重因子为w，w的最大值设定为w_max，w的最小值设定为w_min，加速因子设为c₁和c₂,最大允许迭代步数设为Max_Iter；粒子的速度设为V,位置为X，初始化为(0,1)之间随机数；

(3)、粒子个数m，随机生成粒子群矩阵；

(4)、对每个粒子的位置X和速度V迭代更新，记录每个粒子的历史最优位置P_id和迄今搜索到最优位置P_gd,利用公式计算适应度值，并记录对应于P_id的适应度值FitP_id以及对应于P_gd的适应度值FitP_gd；

(5)、判断适应度值是否达到设定值，若FitP_gd≤设定值或者迭代步数达到了最大设定迭代步数，那么迭代完毕，否则就转至步骤(3)；

(6)、将P_gd的值代入小波神经网络中的伸缩因子a,平移因子b和各个权值之中，计算出网络的输出。

6.根据权利要求5所述的一种齿轮箱故障分析方法，其特征在于：计算适应度值的公式为：其中N是输出的节点数，D_i为第i个输出节点的目标值，Y_i为第i个输出节点的实际值。