[发明专利]基于全极点模型和K-means方法的齿轮故障诊断方法

说明书

本发明的目的在于提供基于全极点模型和K‑means方法的齿轮故障诊断方法，包括建立齿轮箱系统振动信号全极点模型、基于K‑means的故障特征参数提取和齿轮故障在线诊断流程，其中建立齿轮箱系统振动信号全极点模型包括全极点模型、模型参数辨识、模型阶数确定和求取模型极点等。本发明将正常、断齿与磨损三种状态下的极点ssubgt;1/subgt;聚集成若干簇，并识别出每个簇的中心点Csubgt;i/subgt;以及距离阈值Rsubgt;i/subgt;作为故障特征参数。基于故障特征参数中心点Csubgt;i/subgt;以及距离阈值Rsubgt;i/subgt;，建立齿轮故障诊断流程，利用极点位置与中心点Csubgt;i/subgt;的距离以及Rsubgt;i/subgt;判断是否属于某簇，从而实现齿轮健康、断齿、磨损三种状态的故障诊断。

技术领域

本发明涉及的是一种齿轮故障诊断方法。

背景技术

齿轮箱是机械设备中传递动力和运动的通用部件，具有结构紧凑、传动精度高等优点，广泛应用在各领域。在工作过程中，由于齿轮长期受到交变应力的影响，很容易发生断齿、齿面磨损等故障，从而使齿轮副运行过程中产生周期性的结构冲击。齿轮故障不仅造成动力传递的不稳定，而且影响齿轮轴、轴承等部件的工作稳定性及使用寿命。

齿轮箱上的振动信号包含了齿轮运行状态信息，当齿轮发生故障后，振动响应特性将发生变化。基于齿轮箱振动信号建立自回归模型(Autoregressive model，简称AR模型)，并以白噪声作为输入，振动信号为输出，建立不同工况下齿轮传动系统的全极点模型。当系统动态响应发生变化时，模型的参数将随之改变，进而导致全极点模型的极点位置随之变化。

发明内容

本发明的目的在于提供可以实现齿轮故障在线监测与诊断的基于全极点模型和K-means方法的齿轮故障诊断方法。

本发明的目的是这样实现的：

本发明基于全极点模型和K-means方法的齿轮故障诊断方法，其特征是：

(1)建立齿轮箱系统振动信号全极点模型

a.全极点模型

设在k时刻的振动信号为y(k)，基于AR模型原理，用k时刻之前n个振动信号y(k-1),…,y(k-n)来表示y(k)，即

其中，n为模型阶数；θ_i为AR模型的自回归参数；e(k)为预测误差；

在k时刻，振动信号的预测值为

写成矩阵形式为

式中，其中φ_n(k)＝-y(k-n)；θ＝[θ₁ θ₂ … θ_n]^T，针对线性系统，θ_i为常数；

对式y(k)求z变换，得到

式中，Y(z)为y(k)的z变换，E(z)为e(k)的z变换，将E(z)作为输入，Y(z)为输出，得到系统的脉冲传递函数为

由于H(z)没有零点，因此称为振动信号的全极点模型；

用F(z)表示H(z)的分母多项式：

F(z)中包含n个待辨识的自回归参数θ_i，i＝1,2,…,n，这里F(z)也称为振动信号的AR模型；

b.模型参数辨识