CN107121283B - 一种基于离散随机分离算法的齿轮状态监测指标提取方法 - Google Patents
一种基于离散随机分离算法的齿轮状态监测指标提取方法 Download PDFInfo
- Publication number
- CN107121283B CN107121283B CN201710466003.8A CN201710466003A CN107121283B CN 107121283 B CN107121283 B CN 107121283B CN 201710466003 A CN201710466003 A CN 201710466003A CN 107121283 B CN107121283 B CN 107121283B
- Authority
- CN
- China
- Prior art keywords
- signal
- gear
- monitoring index
- drs
- side 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000000926 separation method Methods 0.000 title claims abstract description 13
- 238000001228 spectrum Methods 0.000 claims abstract description 11
- 230000001133 acceleration Effects 0.000 claims abstract description 9
- 230000001186 cumulative effect Effects 0.000 claims abstract description 4
- 230000003595 spectral effect Effects 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 15
- 238000005316 response function Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 241000012471 Emblyna maxima Species 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- G01M13/028—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种基于离散随机分离算法的齿轮状态监测指标提取方法，计算基准信号一倍啮合阶次的1～4倍边频幅值的最大值fmax与最小值fmin，然后计算待测信号的一倍啮合阶次的1～4倍边频幅值f，最后求解监测指标，结合所求的最大值fmax、最小值fmin、边频幅值f进行差谱计算，然后将每根谱线的差谱值累加求和作为监测指标；本发明实现了反映齿轮运行状态监测指标的提取，通过振动加速度信号，准确提取特定齿轮的状态信息，从而实现齿轮的状态监测。
Description
技术领域
本发明属于齿轮故障诊断领域，具体涉及一种基于离散随机分离算法的齿轮状态监测指标提取方法。
背景技术
齿轮作为机械设备中一种必不可少的连接和传递动力的通用零部件，在金属切削机床、航空、电力系统、农业机械、运输机械、冶金机械等现代工业设备中得到广泛应用。但由于其本身结构复杂、工作环境恶劣等原因，齿轮及齿轮箱易受到损害和出现故障，直接影响设备的安全可靠运行，埋下重大安全隐患。因此，通过提取准确、有效的齿轮运行状态指标，实现齿轮状态监测显得十分重要。
齿轮本身存在缺陷或故障，或是轴弯曲等故障均会引起齿轮异常振动，振动信号主要表现为调制行为，调制的载波频率是啮合频率及其倍频，调制信号为故障轴的旋转频率及其高次谐波，故障程度不同，调制程度不同。因此，通过提取调制信号可以有效实现齿轮的状态监测，但由于齿轮箱振动信号信噪较差，尤其是低速轴齿轮的边频往往被噪声淹没，提取较难。如何有效提取边频信息，并用于齿轮状态监测是研究的重点与难点。J.Antoni提出离散随机分离(Discrete random separation，简写DRS)方法，可实现平稳调制信号与冲击信号的解耦，但是目前还没有将其用于齿轮状态监测指标提取的文献公开。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种基于离散随机分离算法的齿轮状态监测指标提取方法，有效提取边频信息，实现了齿轮箱的状态监测。
为了达到上述目的，本发明采取的技术方案为：
一种基于离散随机分离算法的齿轮状态监测指标提取方法，包括以下步骤：
1)计算基准信号一倍啮合阶次的1～4倍边频幅值的最大值与最小值：先采集M组正常状态振动加速度信号，分别对每组信号数据进行阶次分析，并设计第一DRS滤波频响函数H(f)，并通过第一DRS滤波频响函数H(f)分离随机离散信号，得到第一平稳调制信号；将第一平稳调制信号进行Elliptic滤波，获取齿轮1倍啮合阶次的1～4倍边频，记作fi，其中i＝1,…,8，构成M×i矩阵A，计算矩阵A每列最大值及最小值作为基准状态的上下阈值，即向量fmax，fmin；
2)计算待测信号的一倍啮合阶次的1～4倍边频幅值：先采集一组待测状态振动加速度信号，然后对该组信号数据进行阶次分析，并设计第二DRS滤波频响函数H(f)，通过第二DRS滤波频响函数H(f)分离随机离散信号，得到第二平稳调制信号；将第二平稳调制信号进行Elliptic滤波，获取齿轮1倍啮合阶次的1～4倍边频，记作fj，其中j＝1,…,8，构成向量f；
3)求解监测指标：结合所求的向量fmax，fmin，f进行差谱计算，然后将每根谱线的差谱值累加求和作为监测指标,记作S。
步骤1)与步骤2)中所述的DRS滤波频响函数H(f)表达式如下：
其中，ρ代表信噪比，N代表滤波器长度，W(f)代表窗函数的谱图。
步骤3)中的差谱计算准则如下式所示：
本发明的有益效果为：
本发明实现了反映齿轮运行状态监测指标的提取，通过振动加速度信号，准确提取特定齿轮的状态信息，从而实现齿轮的状态监测。
附图说明
图1为本发明方法的流程图。
图2为实施例齿轮箱传动简图。
图3为正常齿轮箱振动加速度信号时域图与频域图。
图4为阶次分量时域图与频域图。
图5为DRS滤波后的时域图与频域图。
图6为齿轮全寿命过程该指标变化图。
具体实施方式
下面结合附图与实施例对本发明进一步详细说明，本实施例采用一次车桥疲劳全寿命数据。
如图1所示，一种基于离散随机分离算法的齿轮状态监测指标提取方法，包括以下步骤：
1)计算基准信号一倍啮合阶次的1～4倍边频幅值的最大值与最小值：通过振动加速度传感器采样N组正常齿轮箱振动加速度信号，其采样频率为5120Hz，该车桥齿轮箱为两级传动，结构如图2所示，其结构参数与如下：输入转速fn＝277.5rpm，第一级为直齿轮对啮合，主动轮齿数z1＝35，从动轮齿数z2＝35；第二级为斜齿圆锥齿轮啮合，主动轮齿数z3＝6，从动轮齿数z4＝37；提取第二级啮合齿轮的主动轮监测指标，则啮合阶次为6，其1～4倍边频分别为2阶、3阶、4阶、5阶、7阶、8阶、9阶、10阶；
然后对每组信号数据进行阶次分析，分析阶次取200，获取振动加速度信号的阶次谱，某一振动加速度信号时域、频域波形如图3所示，阶次分量波形图、阶次图如图4所示；
设计第一DRS滤波频响函数H(f)，并通过第一DRS滤波频响函数H(f)分离随机信号，得到第一平稳调制信号；第一平稳调制信号时域图、频谱图如图5所示；
将第一平稳调制信号进行Elliptic滤波，获取齿轮1倍啮合阶次的1～4倍边频，记作fi，其中i＝1,…,8，
取组数N＝6，则将每组数重复步骤2～4，得6组数的1倍啮合频率的1～4倍边频的幅值，以行为fi，列为数组，得矩阵A，
计算每根边频的最大、最小值，即矩阵A每列的最大值与最小值，作为基准状态的上下阈值得
fmax＝[0.011 0.008 0.002 0.003 0.002 0.004 0.003 0.01]，
fmin＝[0.008 0.006 0.001 0.001 0.001 0.003 0.001 0.007]；
2)计算待测信号的一倍啮合阶次的1～4倍边频幅值：采集一组待测状态的振动加速度信号，然后对该组信号数据进行阶次分析，并设计第二DRS滤波频响函数H(f)，通过第二DRS滤波频响函数H(f)分离随机离散信号，得到第二平稳调制信号；将第二平稳调制信号进行Elliptic滤波，获取齿轮1倍啮合阶次的1～4倍边频，记作fj，其中j＝1,…,8，构成向量f，得
f＝[0.005 0.005 0.006 0.003 0.004 0.002 0.002 0.017]；
3)求解监测指标：结合所求的向量fmax，fmin，f进行差谱计算，然后将每根谱线的差谱值累加求和S,即
S＝0.003+0.001+0.004+0+0.002+0+0+0.007＝0.017
作为监测指标。
采用步骤2)方法对齿轮全寿命数据进行验证，可得该监测指标全寿命趋势图，如图6所示。
Claims (3)
1.一种基于离散随机分离算法的齿轮状态监测指标提取方法，其特征在于，包括以下步骤：
1)计算基准信号一倍啮合阶次的1～4倍边频幅值的最大值与最小值：先采集M组正常状态振动加速度信号，然后对每组信号数据进行阶次分析，并设计第一DRS滤波频响函数H(f)，并通过第一DRS滤波频响函数H(f)分离随机离散信号，得到第一平稳调制信号；将第一平稳调制信号进行Elliptic滤波，获取齿轮1倍啮合阶次的1～4倍边频，记作fi，其中i＝1,…,8，构成M×i矩阵A，计算矩阵A每列最大值及最小值分别构成向量fmax，fmin；
2)计算待测信号的一倍啮合阶次的1～4倍边频幅值：先采集一组待测状态振动加速度信号，然后对该组信号数据进行阶次分析，并设计第二DRS滤波频响函数H(f)，通过第二DRS滤波频响函数H(f)分离随机离散信号，得到第二平稳调制信号；将第二平稳调制信号进行Elliptic滤波，获取齿轮1倍啮合阶次的1～4倍边频，记作fj，其中j＝1,…,8，构成向量f；
3)求解监测指标：结合所求的向量fmax，fmin，f进行差谱计算，然后将每根谱线的差谱值累加求和作为监测指标。
2.根据权利要求1所述的一种基于离散随机分离算法的齿轮状态监测指标提取方法，其特征在于：步骤1)与步骤2)中所述的DRS滤波频响函数H(f)表达式如下：
其中，ρ代表信噪比，N代表滤波器长度，W(f)代表窗函数的谱图。
3.根据权利要求1所述的一种基于离散随机分离算法的齿轮状态监测指标提取方法，其特征在于：步骤3)中的差谱计算准则如下式所示：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710466003.8A CN107121283B (zh) | 2017-06-19 | 2017-06-19 | 一种基于离散随机分离算法的齿轮状态监测指标提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710466003.8A CN107121283B (zh) | 2017-06-19 | 2017-06-19 | 一种基于离散随机分离算法的齿轮状态监测指标提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107121283A CN107121283A (zh) | 2017-09-01 |
| CN107121283B true CN107121283B (zh) | 2019-02-01 |
Family
ID=59720153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710466003.8A Active CN107121283B (zh) | 2017-06-19 | 2017-06-19 | 一种基于离散随机分离算法的齿轮状态监测指标提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107121283B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108844733B (zh) * | 2018-04-18 | 2020-04-28 | 苏州微著设备诊断技术有限公司 | 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 |
| CN108692805A (zh) * | 2018-05-29 | 2018-10-23 | 中国航发湖南动力机械研究所 | 振动信号的处理方法及系统 |
| CN111855209A (zh) * | 2020-07-29 | 2020-10-30 | 潍柴动力股份有限公司 | 驱动桥主减速器齿轮故障的预测诊断方法及系统 |
| CN112179651B (zh) * | 2020-09-29 | 2022-10-21 | 核电运行研究(上海)有限公司 | 一种基于drs处理及主成分分析的齿轮退化指标提取方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009103525A (ja) * | 2007-10-22 | 2009-05-14 | Gunma Prefecture | ギヤ歯面の異常診断方法及びこれを用いたギヤ歯面の異常診断装置 |
| CN102507186A (zh) * | 2011-11-01 | 2012-06-20 | 西安交通大学 | 一种基于特色参数的行星齿轮箱状态监测与故障辨识方法 |
| CN103398843A (zh) * | 2013-07-01 | 2013-11-20 | 西安交通大学 | 基于多分类相关向量机的行星齿轮箱太阳轮故障分类方法 |
| CN104614179A (zh) * | 2015-01-28 | 2015-05-13 | 中国大唐集团新能源股份有限公司 | 一种风电机组齿轮箱状态监测方法 |
| CN106338395A (zh) * | 2016-10-27 | 2017-01-18 | 石家庄铁道大学 | 基于六阶单稳系统的齿轮箱故障诊断方法 |
-
2017
- 2017-06-19 CN CN201710466003.8A patent/CN107121283B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009103525A (ja) * | 2007-10-22 | 2009-05-14 | Gunma Prefecture | ギヤ歯面の異常診断方法及びこれを用いたギヤ歯面の異常診断装置 |
| CN102507186A (zh) * | 2011-11-01 | 2012-06-20 | 西安交通大学 | 一种基于特色参数的行星齿轮箱状态监测与故障辨识方法 |
| CN103398843A (zh) * | 2013-07-01 | 2013-11-20 | 西安交通大学 | 基于多分类相关向量机的行星齿轮箱太阳轮故障分类方法 |
| CN104614179A (zh) * | 2015-01-28 | 2015-05-13 | 中国大唐集团新能源股份有限公司 | 一种风电机组齿轮箱状态监测方法 |
| CN106338395A (zh) * | 2016-10-27 | 2017-01-18 | 石家庄铁道大学 | 基于六阶单稳系统的齿轮箱故障诊断方法 |
Non-Patent Citations (2)
| Title |
|---|
| Order tracking for discrete-random separation in variable speed conditions;P.Borghesani.etc;《 Mechanical Systemsand Signal Processing》;20120229(第30期);第1-22页 |
| 基于特征评估与核主分量分析的齿轮故障分类方法;瞿雷 等;《机械传动》;20141130;第38卷(第11期);第105-110页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107121283A (zh) | 2017-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107121283B (zh) | 一种基于离散随机分离算法的齿轮状态监测指标提取方法 | |
| CN103575523B (zh) | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 | |
| CN108361207B (zh) | 一种用于离心泵振动监测与故障预警的装置及方法 | |
| CN102269655B (zh) | 一种轴承故障的诊断方法 | |
| CN203414278U (zh) | 一种水电机组振动异常状态实时检测系统 | |
| CN103454113B (zh) | 一种适用于工况变化情况下的旋转机械健康监测方法 | |
| CN101886977B (zh) | 一种信号中周期瞬态成分的自适应检测方法 | |
| CN104596756A (zh) | 用于旋转机械故障诊断的多频带包络谱阵 | |
| CN104198186A (zh) | 基于小波包与谱峭度结合的齿轮故障诊断方法及装置 | |
| Li et al. | Intelligent fault identification of rotary machinery using refined composite multi-scale Lempel–Ziv complexity | |
| CN108844733B (zh) | 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 | |
| CN102840907B (zh) | 早期故障状态下滚动轴承振动信号特征提取和分析方法 | |
| CN105510032B (zh) | 基于谐噪比指导的解卷积方法 | |
| CN104316323B (zh) | 基于周期靶向的最优共振频带确定方法 | |
| Xu et al. | Periodicity-based kurtogram for random impulse resistance | |
| CN107506710A (zh) | 一种滚动轴承复合故障提取方法 | |
| CN100489445C (zh) | 减速器应变测试装置及数据处理方法 | |
| CN103344430A (zh) | 齿轮箱的故障诊断方法 | |
| CN110320040A (zh) | 一种基于iitd和amckd的滚动轴承故障特征提取方法 | |
| CN105699072A (zh) | 一种基于级联经验模态分解齿轮故障诊断方法 | |
| CN103344914A (zh) | 基于归一化的风电机组故障预警方法 | |
| CN106053871A (zh) | 一种通过滚动轴承滚道剥落故障对应冲击特征提取转速的方法 | |
| CN107271181B (zh) | 一种行星齿轮箱弱冲击成分提取方法 | |
| CN103234750A (zh) | 一种基于改进倒频谱法的等高齿锥齿轮故障诊断方法 | |
| CN106769054A (zh) | 一种基于声发射信号的水轮机组空蚀空化状态诊断方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231205 Address after: 201400 floor 1, building 2, No. 1876, CHENQiao Road, Fengxian District, Shanghai Patentee after: Shanghai Zhengtongan Technology Service Co.,Ltd. Address before: 215211 558 FENHU Road, Wujiang District, Suzhou, Jiangsu Patentee before: SUZHOU VEIZU EQUIPMENT DIAGNOSIS TECHNOLOGY CO.,LTD. |