[发明专利]一种直升机传动齿轮的性能趋势预测方法

权利要求书

1.一种直升机传动齿轮的性能趋势预测方法，其特征在于，包括以下步骤：

步骤1，采用缺省阈值降噪方法，对采集到的直升机传动齿轮振动信号进行降噪处理；

步骤2，采用时域信号分析方法，对降噪处理后的直升机传动齿轮振动信号进行特征值提取，获取直升机传动齿轮振动信号中的特征值；

步骤3，采用熵权法计算多类特征值的权重，得到多类特征值中信息成分的贡献度大小；

步骤4，根据特征值的贡献度大小，对多类特征值进行特征值信息融合，即得到融合后的特征值；

步骤5，根据融合后的特征值，采用灰色预测方法对直升机传动齿轮的性能变化趋势进行预测，以得到直升机传动齿轮的状态变化趋势。

2.根据权利要求1所述的直升机传动齿轮的性能趋势预测方法，其特征在于，步骤2所述采用时域信号分析方法，对降噪处理后的直升机传动齿轮振动信号进行特征值提取，获取直升机传动齿轮振动信号中的特征值，具体如下：

将步骤1所得到的降噪处理后的直升机传动齿轮振动信号x(t)，采用公式(1)和公式(2)分别提取振动信号中的特征值峭度KV和裕度CLF：

$KV=\frac{{\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}{x}^{4}p\left(x\right)dx}{{\[{\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}{x}^{2}p\left(x\right)dx\]}^2}---\left(1\right)$

$CLF=\frac{E\[max\left|x\left(t\right)\right|\]}{{\[{\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}{x}^{1/2}p\left(x\right)dx\]}^2}---\left(2\right)$

其中，p(x)是时域信号的频域信息、x代表频域信息。

3.根据权利要求1所述的直升机传动齿轮的性能趋势预测方法，其特征在于，步骤3所述采用熵权法计算多类特征值的权重，得到多类特征值中信息成分的贡献度大小，具体如下：

将步骤2得到的特征值记为u(i,j){i＝1,2,…,k；j＝1,2,…,l}，其中，i、j分别代表特征值向量u(i,j)的行和列编号，k、l分别代表特征值向量u(i,j)的行和列的数量，计算各个特征值权重的大小，过程如下：

1)对直升机传动齿轮振动信号进行特征提取，求取振动信号的四种特征值，并将特征值组成原始数据矩阵U，矩阵U＝(u_ij)_k×l,u_ij≥0；其中：i＝1,2,...,k；j＝1,2,...,l；

2)对原始数据矩阵X进行预处理，采用归一化的方法进行处理，即

$p_{ij}=u_{ij}/\underset{j=1}{\overset{l}{\Σ}}{u}_{ij}---\left(3\right)$

得到处理后的矩阵P＝(p_ij)_k×l；

3)求取指标u_j的信息熵E_j，计算方法为：

$E_j=-n\underset{i=1}{\overset{n}{\Σ}}\left(p_{ij}ln{p}_{ij}\right),n=1/lnk---\left(4\right)$

4)求取第j个指标的熵权ω_j计算公式为：

${\mathrm{\ω}}_j=(1-E_j)/(l-\underset{j=1}{\overset{l}{\Σ}}{E}_j)---\left(5\right)$

则根据求取出的ω_j，得到多类特征值中信息成分的贡献度大小，权重值越大，贡献度则会越大。