[发明专利]一种基于KL散度与均方根值的齿轮状态监测指标提取方法

摘要

一种基于KL散度与均方根值的齿轮状态监测指标提取方法，利用键相信息通过角度域重采样去除转速波动的影响，并采用时域同步平均方法获取平稳调制信号；然后通过截止滤波滤出1倍啮合频率及其3倍边频，再利用幅值搜索确定准确啮合频率及边频，并增加啮合频率幅值使之超过边频幅值之和，应用希尔伯特变换求解信号包络得到包络信号，取30组数，绘制KL散度趋势图和归一化RMS值趋势图，结合KL散度趋势和归一化RMS值趋势评估齿轮运行状态，本发明有效地进行齿轮箱的状态监测，不容易误判。

主权项

1.一种基于KL散度与均方根值的齿轮状态监测指标提取方法，其特征在于，包括以下步骤：步骤1：用加速度传感器采样齿轮箱原始振动信号，使用光电传感器采样输入轴键相信号；步骤2：根据步骤1的键相信号对原始振动信号进行角度域重采样，并对其进行时域同步平均，幅值响应函数为H1(f)，得到低噪振动信号；步骤3：针对齿轮参数与转速信息设计截止滤波器频响函数H2(f)，并将步骤2得到的低噪振动信号通过截止滤波器频响函数H2(f)提取啮合频率及其边频，得到平稳调制信号；步骤4：通过幅值搜索找到步骤3得到的平稳调制信号中准确的啮合频率和准确的1～3倍边频，增大啮合频率幅值使其大于1～3倍边频之和，得到特征信号；步骤5：利用希尔伯特变换求解步骤4得到的特征信号包络，得到包络信号；步骤6：取组数N＝30，将30组早期采集的数据重复步骤2‑步骤5，得到30组数据的包络信号，以其为基准，计算新采集数据与每一组基准数据的KL散度，得到30个值，取其中的最小值作为该采集时刻的状态监测指标，绘制KL散度趋势图；取组数N＝30，将30组早期采集的数据重复步骤2‑步骤5，计算30组数据RMS值的平均值，以其为基准，计算新采集数据与基准值的比值，作为该采集时刻的状态监测指标，绘制归一化RMS值趋势图；步骤7：结合步骤6的KL散度趋势和归一化RMS值趋势评估齿轮运行状态。