[发明专利]一种齿轮箱故障分析方法

说明书

本发明涉及一种齿轮箱故障分析方法，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，径向基粒子滤波方法可以使各粒子状态更新更加符合实际情况地趋向于真实状态，同时还提高了对目标状态的概率分布估计精度，减少了粒子更新过程中误差累积对状态估计的影响，具有良好的去噪效果；采用经过粒子群优化的小波神经网络来进行故障诊断输出，可以减少粒子迭代次数，提高诊断精度，能够快速准确地诊断出齿轮裂纹受损情况。

技术领域

本发明涉及设备故障和信号处理领域，尤其是涉及一种齿轮箱故障分析方法。

背景技术

现代化的机器设备、交通工具、生产设施等在不断更新换代的计算机科学应用技术下，越来越向着生产能力大、技术先进、效率高的方向去发展，与此同时这些设备也就变得越来越复杂和精密，人们对这些机器设备的可靠性也提出了越来越高的要求。加强对这些设备的管理和运行维护，减少这些设备因为故障导致的各种损失也就变的日益重要。对设备和状态的检测以及预测包含两方面的内容：1、对机器设备运行时的监测，发现异常情况后作出故障分析和诊断；2、设备故障诊断技术的发展和应用使维修由原来的定期维修过度到以状态检测为基础的维修，提高了经济效益，减少了损失。

齿轮箱的振动故障特征信息目前可以通过各种信号传感器、放大器及其它仪器测量出来，这里主要涉及到信号的分析和处理。提取故障信号的特征值是诊断的关键步骤，也是设备故障诊断与预测理论过程中研究的热点之一。机械运行过程中故障信号大都是非线性非高斯非平稳的，并且还夹杂着运行中自身产生的和外界产生的各种未知噪声信号。常用的信号分析处理方法有很多，其中时域分析法包含相位调解、时域波形、调幅解调等；频域分析法包含有细化谱、功率谱；时频分析法包含维格纳分布、短时傅里叶分布、小波分析、瞬态信号分析法、倒频谱分析法等等。提取这些复杂信号中故障信号的特征值用传统的方法往往效果不佳，尤其是对于处理非线性非高斯状态的噪声信号有时更显无能为力。

故障诊断采集的信号一般会夹杂着大量的噪声信号，在处理非线性、非高斯时变系统方面粒子滤波对参量的状态估计具有独特的优势，粒子滤波广泛应用在图形与现代信号处理等领域。粒子滤波算法可以视为某种搜索算法，其主要过程可以描述为：从状态空间中随机抽取一组样本作为被估计的对象即先验概率分布，然后将由系统模型通过观测数据求得的各样本的似然度当作概率权重代入重采样中，经过重采样后从原来的样本集中抽取具有与之相对权重的样本近似为后验概率分布，以此保留有意义的样本数，重复上述过程使样本能更进一步的估计出系统的真实状态。在故障诊断过程中，传统粒子滤波算法存在以下缺陷：1、样本贫化问题。当表示粒子滤波先验概率分布的样本比较少时，根据观测信息计算出的似然概率不能与先验概率相匹配，只有很小部分的粒子权重在重采样后会增大，然而在抽样的过程中保证足够多的粒子数才能够准确地反映出观测信息；2、如果齿轮箱系统的初始状态是不确定的就需要用大量的粒子样本对系统的状态进行预估计，当粒子数取得较少时，在系统真实状态周围分布的粒子数可能趋于零，像这样经过反复迭代之后粒子对系统的估计就很难反应出其真实的状态。

发明内容

本发明所要解决的技术问题是提供一种克服样本贫化缺陷、能够真实地反应出齿轮箱状态的齿轮箱故障分析方法。

本发明所采用的技术方案是，一种齿轮箱故障分析方法，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。