[发明专利]基于信息准则的旋转机械故障特征频带自适应确定方法

说明书

本发明提供了一种基于信息准则的旋转机械故障特征频带自适应确定方法，其包括：获取原始振动信号；将旋转机械的原始振动信号进行傅里叶变换获取频谱表达序列；基于信息准则确定划分点将频谱表达序列的幅值谱进行多次二分，对所有二分点逐层进行判断，获取有效划分边界；以各层有效边界为截止频率逐层对信号进行滤波，计算滤波信号的峭度，衡量信号的稀疏或冲击程度，并采用峭度矩阵构造二维窄带图；基于二维窄带图确定最优故障特征频带。本发明能够兼顾到整个频谱的分布情况，实现基于数据频谱分布特征的多层次频带划分，实现旋转机械的最优解调频带的有效确定，有效提高旋转机械的故障可检测性与可诊断性。

技术领域

本发明涉及旋转机械故障诊断和信号处理分析技术领域，特别涉及一种基于信息准则的旋转机械、尤其是行星齿轮箱或者轴承等关键部件故障特征频带自适应确定方法。

背景技术

旋转机械，例如行星齿轮箱具有重量轻、体积小、传动比大等优点，在航空航天、交通运输和风力发电等现代工业设备中被广泛使用，起到动力转化和功率传递的重要作用，其性能状态对旋转机械的运行及效率具有重要的影响。然而，由于通常工作在大负载、变转速等较为复杂和严苛的环境下，太阳轮、行星轮、齿圈和行星架等关键部件极易发生性能退化甚至故障失效。因此，开展行星齿轮箱关键部件的状态监测与故障诊断研究对于保障设备的平稳运行和降低全生命周期的维护具有重要意义。

振动测试信号的变化或异常往往能够反映旋转机械的健康状态，原因在于当齿轮的局部故障与相邻部件相互作用时会出现瞬态激励，并引起机械系统的冲击响应。然而，传感器采集到的振动信号不仅包含故障冲击响应，更蕴含了复杂机械结构中各个部件产生的干扰信号成分，同时不可避免地存在背景噪声，导致诊断信息往往被干扰成分淹没。谱分析能够揭示故障成分与干扰成分所在的频带，通过谱分析确定故障成分所在的主要频带，并采用滤波方法对故障特征进行增强，对增强后的故障特征进行解调分析实现故障定位。

近年来，为了确定故障冲击响应所在的频带，实现对故障特征的解调分析，二叉树、1/3-二叉树等划分策略被用于对频带进行划分，并利用峭度、熵、Gini系数等定量指标衡量指定频带的故障信息，最终确定故障信息所在频带采用滤波方式实现故障特征增强。然而，二叉树、1/3-二叉树等方式的划分是固定的，不能自适应于测试数据，可能会造成两个结果：一是优选频带中心频率与实际故障频带中心频率存在偏差；二是当优选频带带宽较宽时会引入带内噪声，而当优选频带带宽较窄时又会造成部分故障信息的损失。因此，需要寻求一种故障频带自适应确定方法，能够自适应地得到测试信号的频带划分方案，并通过比较不同频带内故障信息实现最优频带的确定。

发明内容

为了解决上述现有技术的不足，本发明提供一种基于信息准则的旋转机械故障特征频带自适应确定方法，采用信息准则对频带进行自适应的多层次划分，以冲击性、稀疏性为准则评价各频带故障信息，最终实现行星齿轮箱故障零部件等旋转机械的最优解调频带的有效确定，有效提高旋转机械的故障可检测性与可诊断性。

为达到上述目的，本发明提出了一种基于信息准则的旋转机械故障特征频带自适应确定方法，其包括以下步骤：

S1、采集旋转机械振动信号并进行预处理：获取原始测试信号的时域表达x(t)，并预先确定算法的划分参数；

S2、计算旋转机械测试信号的频域表达序列：借助离散傅里叶变换获取旋转机械原始测试信号的频域表达序列X(n)，并设置X(n)的幅值谱为待分析序列Y_0,1(n)＝abs(X(n))；

其中abs()表示取模运算，Y_i,j(n)为分解层数为i，序列编号为j时的待分析序列，Y_0,1(n)即表示分解层数i＝0，序列编号j＝1时的待分析序列；

S3、基于信息准则对旋转机械测试信号频域表达序列的幅值谱进行二分式划分；