[发明专利]齿轮箱状态诊断方法、系统、电子设备和存储介质

说明书

本发明公开一种齿轮箱状态诊断方法、系统、电子设备和存储介质，其中，齿轮箱状态诊断方法包括：实时采集预先构建好的数字孪生体的振动信号；采用优化后的变分模态分解方法对采集的所述振动信号进行分解，并提取特征向量；将提取的所述特征向量输入预先训练好的经鲸鱼算法优化的支持向量机中，得到所述支持向量机输出的诊断结果。本发明技术方案，能够实现及时发现行星齿轮箱的故障情况，避免行星齿轮箱在产生故障的情况下继续工作，保证行星齿轮箱安全运转。

技术领域

本发明涉及齿轮箱的故障诊断技术领域，特别涉及一种齿轮箱状态诊断方法、系统、电子设备和存储介质。

背景技术

行星齿轮箱作为集旋转机械于一身的机械传动设备，被广泛应用于风力发电机组中，但行星齿轮箱若长期在高速、高温或其他恶劣条件下进行工作很容易发生故障，从而降低设备的安全性。因此，开展齿轮箱故障诊断技术研究，准确地识别出故障摸式，对保障机械设备安全可靠运行，避免重大事故的发生具有非常重要的意义。

目前，大多数行星齿轮箱故障诊断方式，都是通过采集零部件的振动信号，对振动信息的波形特征进行分析处理，以确定行星齿轮箱的故障部位；其中，对振动信号的分析处理所运用的较为广泛的方法包括时域分析与频域分析，但这种方法不具有实时性，多为当行星齿轮箱出现明显故障或者达到使用寿命时才进行诊断，进而发现发生故障的部位；不能在行星齿轮箱产生故障时及时发现，导致出现行星齿轮箱在产生故障的情况下继续进行工作，进而可能造成严重的后果。

发明内容

本发明提供一种齿轮箱状态诊断方法，旨在实现及时发现行星齿轮箱的故障情况，避免行星齿轮箱在产生故障的情况下继续工作，保证行星齿轮箱安全运转。

为实现上述目的，本发明第一方面提出一种齿轮箱状态诊断方法，包括：

实时采集预先构建好的数字孪生体的振动信号；

采用优化后的变分模态分解方法对采集的所述振动信号进行分解，并提取特征向量；

将提取的所述特征向量输入预先训练好的经鲸鱼算法优化的支持向量机中，得到所述支持向量机输出的诊断结果。

在一些实施例中，所述预先构建好的数字孪生体的通过如下步骤得到：

获取所述齿轮箱的物理特征，基于所述物理参数构建物理实体模型；

获取所述齿轮箱在工作状态下的运转数据和环境数据，并对获取的运转数据进行预处理；

根据预处理后的数据和所述环境数据，结合所述物理实体模型完成各维度模型建立，将各维度模型进行融合和集成，建立所述齿轮箱的数字孪生体；

对所述数字孪生体进行动力学仿真并修正；

构建所述数字孪生体的振动信号模型并进行仿真修正，得到预先构建好的数字孪生体。

在一些实施例中，所述采用优化后的变分模态分解方法对采集的所述振动信号进行分解，并提取特征向量的步骤，包括：

通过优化后的变分模态分解方法对所述振动信号进行分解，得到多个IMF分量；

采用峭度法对所述多个IMF分量进行筛选；

根据时频域及熵特征提取筛选得到的IMF分量的12个故障特征参数，所述12个故障特征参数包括峰值、均值、均方根值、方差、峰值因子、峭度指标、脉冲指标、裕度系数、偏度、排列熵、能量熵和奇异值熵；

利用特征选择之支持向量机递归特征消除法对所述12个故障参数择优处理，得到特征向量。

在一些实施例中，所述优化后的变分模态分解方法通过以下方式得到：

采集所述数字孪生体的振动信号；