[发明专利]基于TEO解调和随机共振的行星齿轮箱早期故障诊断方法

说明书

本发明涉及一种基于TEO解调和随机共振的行星齿轮箱早期故障诊断方法。首先，对行星齿轮箱振动信号进行经验模式分解并选取包含故障信息的分量信号，使用TEO解调运算获得分量信号的解调信号；其次，为满足随机共振系统的小参数条件，将解调信号做适当压缩处理并进行频率二次采样；再次，以定义的随机共振系统的输出信噪比为适应度函数，采用粒子群算法优化随机共振系统的结构参数，进而重构随机共振系统。最后，将信号重新输入参数优化后的随机共振系统实现故障特征的增强提取。本发明提出的EMD+TEO的信号预处理方法降低了故障提取难度，且引入PSO算法自适应的实现了参数调节驱动下的随机共振，高效提取微弱的行星齿轮箱早期故障。

技术领域

本发明涉及旋转机械早期故障诊断领域，尤其涉及一种基于TEO解调和随机共振的行星齿轮箱早期故障诊断方法。

背景技术

行星齿轮传动因其具有体积小、传动比大和承载能力强等优点，在各类工业机械中得到广泛应用。在某些重要领域行星齿轮箱一旦发生故障将引起极其严重的后果，因此开展行星齿轮箱的故障诊断并探索高效的故障诊断方法势在必行。

对振动信号包含的故障信息进行提取是齿轮箱故障诊断的有效方法。齿轮早期故障信号往往表现得非常微弱，容易被噪声淹没，因此常规的信号处理方法在提取齿轮微弱故障信号时失效。针对齿轮箱微弱故障信号提取问题，众多学者进行了有益的探索，提出如小波分析、经验模态分解(EMD)和盲源分离等方法进行故障特征提取，需要指出的是，上述的小波分析与EMD等方法均是通过对信号进行振动模式的分解以获得故障所引起的振动分量。但是，当故障信号所具有的能量极小而噪声占据主导时，信号分解的结果将出现明显的模态混叠现象，单独使用这类方法不易实现故障信号的有效提取。而盲分析技术存在欠定以及对非平稳信号分离困难等问题，限制了其实际应用效果。

发明内容

有鉴于此，本发明的目的在于提供一种基于TEO解调和随机共振的行星齿轮箱早期故障诊断方法，用以对行星齿轮箱早期故障进行高效和准确的诊断。

为实现上述目的，本发明采用如下技术方案：

一种基于TEO解调和随机共振的行星齿轮箱早期故障诊断方法，其特征在于：包括以下步骤：

步骤S1:利用加速度传感器对行星齿轮箱箱体进行接触式测量，获取行星齿轮箱箱体振动加速度信号；

步骤S2：对振动加速度信号进行经验模式分解,并选取包含故障信息的IMF分量信号；

步骤S3：采用TEO解调运算处理包含故障信息的IMF分量信号，获得包含故障信息的IMF分量信号的TEO解调信号；

步骤S4：对TEO解调信号做压缩处理并进行频率二次采样,得到处理后的TEO解调信号；

步骤S5：采用粒子群算法优化随机共振系统的结构参数，进而重构随机共振系统，得到优化后的随机共振系统；

步骤S6：将处理后的TEO解调信号输入优化后的随机共振系统，进行数值求解，得到输出信号；

步骤S7：对随机共振输出信号做傅里叶变换得到其频谱图，通过观察随机共振系统输出信号频谱，并与行星齿轮传动系统中的理论故障频率进行对比，从而判定得出诊断结果。

进一步的，所述行星齿轮箱箱体振动加速度信号，具体为行星齿轮箱箱体在传动轴直径方向的振动加速度信号。

进一步的，所诉步骤S2具体为：

步骤S21:采用经验模式分解对振动加速度信号处理，通过重复三次样条包络和信号减法过程，从高频到低频分解出IMF分量信号；

步骤S22:对IMF分量进行TEO频率解调，选取瞬时频率围绕啮合频率附近波动的IMF信号，作为包含故障信息的IMF分量信号。

进一步的，所述TEO解调算法具体为：