[发明专利]一种行星齿轮箱齿面磨损故障诊断方法及系统

权利要求书

1.一种行星齿轮箱齿面磨损故障诊断方法，其特征在于，包括以下步骤：

1)采用FSWT对原始振动信号进行频带选取，并进行信号重构；

2)将重构信号进行Hilbert变换，得到低频调制信号；

3)采用MOMEDA算法提取低频调制信号中的周期性故障脉冲，得到故障信号；

4)对故障信号进行平方包络谱分析，突出故障信号中的瞬态能量成分，识别聚集在低频段的故障特征频率；

5)对故障信号进行HEI量化处理，实现对行星齿轮箱齿面磨损的故障诊断。

2.如权利要求1所述故障诊断方法，其特征在于，采用所述FSWT对原始振动信号进行频带选取，包括以下步骤：

1.1)对原始振动信号进行FSWT分析，提取包含瞬态脉冲丰富的频带作为故障频带；

1.2)采用FSWT逆变换对故障频带内的信号进行重构，重构信号z′(t)为：

t₁为起点时间,t₂为终止点时间；ω₁起点频率,ω₂为终止点频率；W(t,ω,k)为原始振动信号z(t)的频率切片小波变换，t和ω为观测时间和观测频率，τ为时间自变量，k为频域上的尺度参数。

3.如权利要求1所述故障诊断方法，其特征在于，采用所述MOMEDA算法进行故障脉冲提取，包括以下步骤：

3.1)利用解卷积获取故障脉冲信号y(n)；

3.2)确定故障脉冲信号的故障脉冲周期，根据该故障脉冲周期选择周期区间；

3.3)在多点峭度谱中选择在周期区间峭度最大值处对应的周期，将该周期与理论脉冲周期结合计算误差率，若误差率在预设范围内，则该周期为故障脉冲周期；

3.4)利用MOMDEA准确提取故障脉冲周期的故障脉冲信号，得到所需要包含故障信息的故障信号。

4.如权利要求3所述故障诊断方法，其特征在于，所述步骤3.1)中，解卷积过程为：

式中，n表示采样点个数，x(n)为原始振动信号，y(n)为故障脉冲信号，f为滤波器参数，k＝1,2,…,N-L,其中N表示解卷积范围，L代表滤波器阶数。

5.如权利要求4所述故障诊断方法，其特征在于，引入了多点D范数：

式中，i为目标向量；当目标向量i与脉冲信号y(n)完全契合时，解卷积效果达到最佳，此时多点D范数MOMEDA的值取得最大值,与之对应的滤波器参数f即为最优滤波器参数。

6.如权利要求3所述故障诊断方法，其特征在于，所述多点峭度谱K_MK为：

式中，i_n为目标向量，n表示采样点个数，N表示解卷积范围，L代表滤波器阶数。

7.如权利要求3所述故障诊断方法，其特征在于，所述误差率η为：

式中，δ为理论脉冲周期，T为实际峭度最大值处对应的周期。

8.如权利要求1所述故障诊断方法，其特征在于，对故障信号进行平方包络谱分析，所述平方包络谱分析算法包括以下步骤：

4.1)对故障脉冲信号y(t)进行希尔伯特变换：

τ为时间自变量，y(t)′为希尔伯特变换后的信号；

4.2)构造解析信号c(t)和共轭复解析信号c(t)′：

c(t)＝y(t)+jy(t)；

c(t)′＝y(t)-jy(t)′；

4.3)将解析信号和共轭解析信号求积重构出新的合成信号，得到平方包络信号g(t)：

g(t)＝c(t)c(t)′；

4.4)将平方包络信号g(t)进行傅里叶变换，得到平方包络谱，在包络谱谱图中识别故障特征频率f_p及其倍频成分。