CN106548150A - 一种用于人字齿轮故障特征提取的瞬时频率分析方法 - Google Patents
一种用于人字齿轮故障特征提取的瞬时频率分析方法 Download PDFInfo
- Publication number
- CN106548150A CN106548150A CN201610950411.6A CN201610950411A CN106548150A CN 106548150 A CN106548150 A CN 106548150A CN 201610950411 A CN201610950411 A CN 201610950411A CN 106548150 A CN106548150 A CN 106548150A
- Authority
- CN
- China
- Prior art keywords
- analysis
- signal
- instantaneous frequency
- herringbone bear
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
Abstract
本发明涉及一种齿轮故障特征提取分析方法,具体涉及一种用于人字齿轮故障特征提取的瞬时频率分析方法。该分析方法为:采集人字齿轮的振动信号,运用总体平均经验模式分解获得一组基本模式分量信号,通过直接正交法求解获取振动信号的瞬时频率,提取故障特征;采用总体平均经验模式进行信号分解和直接正交算法对基本模式分量信号进行瞬时频率分析;提出参数,采样频率至少为最高分析频率的20倍。本发明的设计合理,分析精准,操作简便,安全可靠,易于大规模推广应用,可实现人字齿轮振动信号瞬时频率的分析和提取,以人字齿轮的在线监测和故障诊断为主要应用方向。
Description
技术领域:
本发明涉及一种齿轮故障特征提取分析方法,具体涉及一种用于人字齿轮故障特征提取的瞬时频率分析方法。
背景技术:
当齿轮发生故障时,啮合频率及其倍频两边会出现调制边频带(调幅调频),分析频率主要为啮合频率及其边频带。由于人字齿轮的特殊结构,啮合时重叠系数大,且同时有两排齿轮参与啮合,对于例如单边断齿可能导致严重后果的故障,其振动信号中的故障特征往往很微弱。目前针对齿轮振动调制信号解调分析方法大多只关注其幅值调制信息而忽略频率(相位)调制信息,然而,频率(相位)调制具有更好的抗噪声干扰及振幅衰减的能力,因此对频率调制信息进行分析,可更准确地提取齿轮微弱故障特征,提高齿轮故障诊断准确性。故此,发明一种用于人字齿轮故障特征提取的瞬时频率分析方法是十分必要的。
发明内容:
本发明提供一种用于人字齿轮故障特征提取的瞬时频率分析方法,首先按照满足分析要求的采样频率获得人字齿轮的振动信号,运用总体平均经验模式(EEMD)将复杂的原始信号通过基本模式分量条件筛选,获得一组可求解出有物理意义瞬时频率的基本模式分量信号(IMF),通过直接正交法对可能包含故障信息的基本模式分量信号进行求解,获得振动信号的瞬时频率。
本发明采用的技术方案为:一种用于人字齿轮故障特征提取的瞬时频率分析方法,该分析方法为:采集人字齿轮的振动信号,运用总体平均经验模式分解获得一组基本模式分量信号,通过直接正交法求解获取振动信号的瞬时频率,提取故障特征。
采用总体平均经验模式进行信号分解和直接正交算法对基本模式分量信号进行瞬时频率分析。
提出参数,采样频率至少为最高分析频率的20倍。
首先按照满足分析要求的采样频率获得人字齿轮的振动信号,运用总体平均经验模式(EEMD)将复杂的原始信号通过基本模式分量条件筛选,获得一组可求解出有物理意义瞬时频率的基本模式分量信号(IMF),通过直接正交法对可能包含故障信息的基本模式分量信号进行求解,获得振动信号的瞬时频率
本发明的有益效果:设计合理,分析精准,操作简便,安全可靠,易于大规模推广应用。频率(相位)调制具有更好的抗噪声干扰及振幅衰减的能力,因此对频率调制信息进行分析,可更准确地提取齿轮微弱故障特征,提高齿轮故障诊断准确性。瞬时频率表征为相位角的变化率,可以很好地反映瞬时相位变化;因此可通过瞬时频率分析齿轮故障引起的频率调制现象,通过对频率调制现象分析便能对齿轮故障进行诊断;可实现人字齿轮振动信号瞬时频率的分析和提取,以人字齿轮的在线监测和故障诊断为主要应用方向。
附图说明:
图1是本发明的流程框图。
具体实施方式:
参照图1,一种用于人字齿轮故障特征提取的瞬时频率分析方法,该分析方法为:采集人字齿轮的振动信号,运用总体平均经验模式分解获得一组基本模式分量信号,通过直接正交法求解获取振动信号的瞬时频率,提取故障特征;采用总体平均经验模式进行信号分解和直接正交算法对基本模式分量信号进行瞬时频率分析;提出参数,采样频率至少为最高分析频率的20倍。
分析方法及步骤:
(1)计算人字齿轮啮合频率,设置采样频率(fs)大于20倍的齿轮啮合频率。
(2)以采样频率fs采集人字齿轮的振动加速度信号x(t)。
(3)确定总体平均经验模式(EEMD)分解的相关参数;设置进行EEMD分解时值,及EEMD分解加入噪声的次数N。
(4)使用EEMD算法对振动信号序列x(t)进行分解,提取分解结果中以啮合频率及其边频为主要频率成分的基本模式分量IMFx(t)。
(5)对基本模式分量信号使用直接正交法计算得出瞬时频率IFx(t);直接正交方法计算瞬时频率过程如下:
①对信号c(t)取绝对值后求取信号数据极大值,并使用样条插值函数构造信号数据极大值样条曲线e1(t)。
②使用样条曲线e1(t)对原信号进行归一化,即
③如果f1(t)的绝对值都小于1则停止,否则对f1(t)重复上面的步骤,即
,直到,满足fn(t)的绝对值都小于1。这样,则定义单分量c(t)的经验调频分量为Ft=fn(t):调幅调频分量为:,并认为IMFc(t)的经验调频分量F(t)=cosφ(t)。
④由信号的调频分量F(t)定义正交函数:
⑤通过正交函数求取信号瞬时相位φ(t):
⑥求得信号瞬时频率:
(6)对瞬时频率IFx(t)进行分析,求取幅值谱,判断齿轮运行状态。
Claims (2)
1.一种用于人字齿轮故障特征提取的瞬时频率分析方法,其特征在于:该分析方法为:采集人字齿轮的振动信号,运用总体平均经验模式分解获得一组基本模式分量信号,通过直接正交法求解获取振动信号的瞬时频率,提取故障特征。
2.根据权利要求1所述的一种用于人字齿轮故障特征提取的瞬时频率分析方法,其特征在于:采用总体平均经验模式进行信号分解和直接正交算法对基本模式分量信号进行瞬时频率分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950411.6A CN106548150A (zh) | 2016-11-03 | 2016-11-03 | 一种用于人字齿轮故障特征提取的瞬时频率分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950411.6A CN106548150A (zh) | 2016-11-03 | 2016-11-03 | 一种用于人字齿轮故障特征提取的瞬时频率分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106548150A true CN106548150A (zh) | 2017-03-29 |
Family
ID=58392786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610950411.6A Pending CN106548150A (zh) | 2016-11-03 | 2016-11-03 | 一种用于人字齿轮故障特征提取的瞬时频率分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548150A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112105907A (zh) * | 2018-04-24 | 2020-12-18 | 赛峰集团 | 用于监测齿轮系统的方法和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101769787A (zh) * | 2010-01-29 | 2010-07-07 | 浙江大学 | 电力变压器铁心松动故障监测方法 |
US20140088891A1 (en) * | 2012-09-21 | 2014-03-27 | National Central University | Method for determining the precision of gears |
CN104483118A (zh) * | 2014-12-08 | 2015-04-01 | 西安交通大学 | 基于瞬时频率轴心轨迹的转子动静碰磨故障诊断方法 |
-
2016
- 2016-11-03 CN CN201610950411.6A patent/CN106548150A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101769787A (zh) * | 2010-01-29 | 2010-07-07 | 浙江大学 | 电力变压器铁心松动故障监测方法 |
US20140088891A1 (en) * | 2012-09-21 | 2014-03-27 | National Central University | Method for determining the precision of gears |
CN104483118A (zh) * | 2014-12-08 | 2015-04-01 | 西安交通大学 | 基于瞬时频率轴心轨迹的转子动静碰磨故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
NORDEN E.HUANG ET.AL: "ON INSTANTANEOUS FREQUENCY", 《ADVANCES IN ADAPTIVE DATA ANALYSIS》 * |
李辉 等: "基于EEMD和THT的齿轮故障诊断方法", 《振动、测试与诊断》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112105907A (zh) * | 2018-04-24 | 2020-12-18 | 赛峰集团 | 用于监测齿轮系统的方法和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102721545B (zh) | 一种基于多特征参量的滚动轴承故障诊断方法 | |
Gao et al. | Distinguishing chaos from noise by scale-dependent Lyapunov exponent | |
Liu et al. | Synchrosqueezing extracting transform and its application in bearing fault diagnosis under non-stationary conditions | |
CN102629904B (zh) | 一种网络水军的探测与判定方法 | |
WO2008040018A3 (en) | Abnormal situation prevention in a heat exchanger | |
CN108760316A (zh) | 变分模态分解的变参信息融合方法 | |
CN107272651B (zh) | 一种动车组制动系统间歇乘性传感器故障的鲁棒检测方法 | |
CN101587017A (zh) | 一种基于局部均值分解循环频率谱的齿轮故障诊断方法 | |
CN109828549A (zh) | 一种基于深度学习的工业互联网设备故障预测方法 | |
CN107314775B (zh) | 一种基于三轴加速度传感器的动态切换计算轴的计步方法 | |
CN102824172A (zh) | 一种脑电特征提取方法 | |
Du et al. | Learning collaborative sparsity structure via nonconvex optimization for feature recognition | |
CN105510032A (zh) | 基于谐躁比指导的解卷积方法 | |
CN103646013B (zh) | 一种基于协方差矩阵范数逼近的多重故障重构方法 | |
Zhang et al. | Variable spectral segmentation empirical wavelet transform for noisy signal processing | |
CN106548150A (zh) | 一种用于人字齿轮故障特征提取的瞬时频率分析方法 | |
Taylor et al. | Novelty detection using neural network technology | |
CN105708451A (zh) | 一种脑电信号质量实时判定方法 | |
CN105867353A (zh) | 一种振荡监测方法及系统 | |
CN105893673A (zh) | 一种基于振动加速度特征点辨识燃烧特征参数的方法 | |
CN114038470A (zh) | 一种变压器信号声纹特征提取方法、装置、设备及介质 | |
CN107451624A (zh) | 基于正交化局部连接网络的机械装备健康状态识别方法 | |
CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
CN104343711B (zh) | 一种用于风机非平稳状态故障预警的装置及方法 | |
CN114741699A (zh) | 结合自注意力机制的模糊测试漏洞挖掘系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170329 |
|
RJ01 | Rejection of invention patent application after publication |