CN108303249A - 一种用于齿轮箱电信号残差信号的提取方法 - Google Patents

一种用于齿轮箱电信号残差信号的提取方法 Download PDF

Info

Publication number
CN108303249A
CN108303249A CN201710029729.5A CN201710029729A CN108303249A CN 108303249 A CN108303249 A CN 108303249A CN 201710029729 A CN201710029729 A CN 201710029729A CN 108303249 A CN108303249 A CN 108303249A
Authority
CN
China
Prior art keywords
signal
gear
electric signal
box
coupling
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
Application number
CN201710029729.5A
Other languages
English (en)
Inventor
尚志武
常祝
周昕宇
刘镇武
廖湘湘
周湘平
李成
耿瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Polytechnic University
Original Assignee
Tianjin Polytechnic University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Polytechnic University filed Critical Tianjin Polytechnic University
Priority to CN201710029729.5A priority Critical patent/CN108303249A/zh
Publication of CN108303249A publication Critical patent/CN108303249A/zh
Pending legal-status Critical Current

Links

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
    • G01M13/028—Acoustic or vibration analysis
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种用于齿轮箱电信号残差信号的提取方法，包括以下步骤：建立齿轮箱传动系统的振动信号和驱动电机的电流信号的耦合模型，计算得出故障边带特征的电信号残差向量信号。

Description

一种用于齿轮箱电信号残差信号的提取方法
技术领域
本发明涉及振动故障诊断，特别是一种用于齿轮箱电信号残差信号的提取方法。
背景技术
齿轮箱具有重量轻、体积小、传动比大、承载能力强、传动效率高等诸多优点，被广泛应用于风力发电、直升机、船舶、冶金、石化、矿山、起重运输等行业的复杂机电装备系统。齿轮箱某一个部件出现故障，可能导致机电系统的停机，产生昂贵的修理和维修费用，甚至造成灾难性的事故，造成巨大的经济损失和恶劣的社会影响。齿轮箱早期故障检测与识别对于优化维修周期、减小经济损失有着十分重要的意义。振动信号具有非平稳性和调频特点，用于振动故障特征提取的占统治地位的关键技术主要是通过傅里叶变换进行频域特征提取。虽然可以获得满意的特征提取结果，但是以傅里叶变换为基础的频域特征提取方法也有一定的局限性，导致频谱估计发生非常明显的错误，造成微弱故障信号不能准确的检测和诊断。动态时间规整方法是一种有效的匹配校准定位时域信号通过匹配比较待测波形与参考波形时间特征量相似度的大小获得诊断结果的方法，具有概念简单、算法鲁棒的优点，是一种非线性的规划算法，它将时间和距离测度结合起来，能对存在全局或局部扩展、压缩或变形的模式进行匹配，解决动态模式的相似度量和分类问题，并在参考信号和测试信号之间找到一条优化的时间校准匹配路径。利用不同的动态信号处理方法提取特征信息以诊断齿轮箱的故障，得到了国内外学者的关注，已开展了大量的研究工作，并取得了一定的研究成果。
发明内容
本发明的目的是为了解决上述问题，设计了一种用于齿轮箱电信号残差信号的提取方法。
实现上述目的本发明的技术方案为，一种用于齿轮箱电信号残差信号的提取方法，包括以下步骤：建立齿轮箱传动系统的振动信号和驱动电机的电流信号的耦合模型，计算得出故障边带特征的电信号残差向量信号。
所述建立齿轮箱传动系统的振动信号和驱动电机的电流信号的耦合模型步骤，其具体为：
(1)建立齿轮箱传动系统的振动信号的非线性集总参数模型。
(2)建立驱动电机的电流信号的等效二相电机。
(3)建立齿轮箱齿轮传动系统的振动信号和驱动电机的电流信号的耦合模型。
(4)使用时间步长积分法和单侧正常接触算法对耦合模型进行迭代求解，得到耦合电信号。
所述计算得出故障边带特征的电信号残差向量信号步骤，其具体为：
(1)耦合电信号带通滤波。
(2)耦合电信号初次相位补偿。
(3)Savitzky-Golay时间序列法对耦合信号平滑滤波。
(4)逻辑加权衍生动态时间规整算法对耦合电信号进行处理。
(5)得出故障边带特征的电信号残差向量信号。
所述建立齿轮箱的驱动电机电流信号和传动系统振动信号的耦合模型的步骤(1)中，齿轮箱传动系统的振动信号的非线性集总参数模型，该模型通过将齿轮简化为随时间变化的非线性弹簧连接的刚性气缸，转轴模拟为二节点单元，轴承模拟为附加集总刚度单元，从而建立振动信号的非线性集总参数模型。
所述建立齿轮箱的驱动电机电流信号和传动系统振动信号的耦合模型的步骤(2)中，驱动电机的电流信号的等效二相电机是采用克朗变换将静子电流信号系转换为动子d-q模型建立。
所述建立齿轮箱的驱动电机电流信号和传动系统振动信号的耦合模型的步骤(3)中，齿轮箱齿轮传动系统的振动信号和驱动电机的电流信号的耦合模型是非线性一阶差分动态耦合关系。
所述计算得出故障边带特征的电信号残差向量信号步骤(4)中，逻辑加权衍生动态时间规整算法是将逻辑权重函数和坡度加权函数应用于动态时间规整算法之中。
所述计算得出故障边带特征的电信号残差向量信号步骤(4)中，逻辑加权衍生动态时间规整算法计算公式：
其中：
一种用于齿轮箱电信号故障特征提取的装置，包括驱动的电机电信号测量模块、信号耦合模块和电信号残差向量信号计算模块。
所述驱动电机的电流信号模块具有电流信号输出端口，电流信号输出端口将电流信号传递到信号耦合模块。
所述信号耦合模块具有信号耦合功能，输出耦合信号到电信号残差向量信号计算模块。
所述电信号残差向量信号计算模块内置有齿轮箱电信号故障特征提取算法程序，将耦合模块的耦合信号计算处理得到电信号残差向量信号。
利用本发明的技术方案制作的用于齿轮箱电信号残差信号的提取方法，通过该方法得到齿轮箱传动系统的振动信号与驱动电机的电流信号的动态非线性耦合作用规律与机理，从而得到其耦合信号，通过理论分析和仿真实验选择统计特征参数进行故障检测和定位，由于不同的电信号残差信号向量信号带有不同的故障信息，因此，可以准确定位故障来源，该方法计算简单，应用范围广泛，能够精准预测故障趋势，满足齿轮箱齿轮、架、轴承等不同故障诊断的需要。
附图说明
图1是本发明所述用于齿轮箱电信号残差信号的提取方法的流程图；
图2是本发明所述用于齿轮箱电信号故障特征提取的装置的工作流程图；
图中，1、驱动的电机电信号测量模块；2、耦合模块；3、电信号残差向量信号计算模块。
具体实施方式
下面结合附图对本发明进行具体描述，如图1-2所示，一种用于齿轮箱电信号残差信号的提取方法，一种用于齿轮箱电信号残差信号的提取方法，包括以下步骤：建立齿轮箱传动系统的振动信号和驱动电机的电流信号的耦合模型，计算得出故障边带特征的电信号残差向量信号。
所述建立齿轮箱传动系统的振动信号和驱动电机的电流信号的耦合模型步骤，其具体为：
(1)建立齿轮箱传动系统的振动信号的非线性集总参数模型，该模型通过将齿轮简化为随时间变化的非线性弹簧连接的刚性气缸，转轴模拟为二节点单元，轴承模拟为附加集总刚度单元，从而建立振动信号的非线性集总参数模型。
(2)建立驱动电机的电流信号的等效二相电机，采用克朗变换将静子电流信号系转换为动子d-q模型建立。
(3)建立齿轮箱齿轮传动系统的振动信号和驱动电机的电流信号的耦合模型，是非线性一阶差分动态耦合关系。
(4)使用时间步长积分法和单侧正常接触算法对耦合模型进行迭代求解，得到耦合电信号。
所述计算得出故障边带特征的电信号残差向量信号步骤，其具体为：
(1)耦合电信号带通滤波。
(2)耦合电信号初次相位补偿。
(3)Savitzky-Golay时间序列法对耦合信号平滑滤波。
(4)逻辑加权衍生动态时间规整算法对耦合电信号进行处理，将逻辑权重函数和坡度加权函数应用于动态时间规整算法之中，最终逻辑加权衍生动态时间规整算法计算公式：
其中：
(5)得出故障边带特征的电信号残差向量信号。
一种用于齿轮箱电信号故障特征提取的装置，包括驱动的电机电信号测量模块、信号耦合模块和电信号残差向量信号计算模块，驱动电机的电流信号模块具有电流信号输出端口，电流信号输出端口将电流信号传递到信号耦合模块，信号耦合模块具有信号耦合功能，输出耦合信号到电信号残差向量信号计算模块，电信号残差向量信号计算模块内置有齿轮箱电信号故障特征提取算法程序，将耦合模块的耦合信号计算处理得到电信号残差向量信号。
在本实施方案中，在求解耦合模型时，通过使用时间步长积分法和单侧正常接触算法进行迭代求解，得到耦合电信号初值，利用Savitzky-Golay时间序列平滑滤波方法对相位补偿后的耦合电信号进行平滑滤波处理，增强算法的平滑性和鲁棒性，在时域内基于多项式，通过移动窗口利用最小二乘法进行最佳拟合，对处于l×m滑动窗口(l，m为窗口大小，且均为奇数)内各点的值D，进行p次二元多项式拟合，多项式对应的系数根据最小二乘法准则使拟合误差最小来确定，由此得出l×m滑动窗口内中心点(i，j)的最佳拟合值P(i，j)，即为D(i，j)去噪处理后的新值，滑动数据窗口依次沿着三维空间每一点滑动，从而实现了平滑处理。
在本实施方案中，逻辑加权衍生动态时间规整优化方法，将逻辑权重函数和坡度加权函数的方法，建立基于相位偏差的修正逻辑权重函数，最优分配时间序列各点数据的权重，使用衍生技术时间序列数据处理为带有波形特征的数据，建立规整矩阵和优化规整路径，对耦合电信号进行逻辑加权衍生动态时间规整处理，修正逻辑权重函数：
其中：i＝1，...，m；m为时间序列长度；
mc为时间序列中间点；
Wmax为权重系数最大值；
g为惩罚因子；
逻辑加权衍生动态时间规整处理方法：
通过解方程得到具有故障边带特征的电信号残差向量信号，通过理论分析和仿真实验选择统计特征参数进行故障检测和定位，得到故障的残差信号向量故障特征与定位算法，预测故障趋势，满足齿轮箱齿轮、架、轴承等不同故障诊断的需要。
上述技术方案仅体现了本发明技术方案的优选技术方案，本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理，属于本发明的保护范围之内。

Claims (12)

1.一种用于齿轮箱电信号残差信号的提取方法，其特征在于，包括以下步骤：建立齿轮箱传动系统的振动信号和驱动电机的电流信号的耦合模型，计算得出故障边带特征的电信号残差向量信号。
2.根据权利要求1所述的一种用于齿轮箱电信号残差信号的提取方法，其特征在于，所述建立齿轮箱传动系统的振动信号和驱动电机的电流信号的耦合模型步骤，其具体为：
(1)建立齿轮箱传动系统的振动信号的非线性集总参数模型。
(2)建立驱动电机的电流信号的等效二相电机。
(3)建立齿轮箱齿轮传动系统的振动信号和驱动电机的电流信号的耦合模型。
(4)使用时间步长积分法和单侧正常接触算法对耦合模型进行迭代求解，得到耦合电信号。
3.根据权利要求1所述的一种用于齿轮箱电信号残差信号的提取方法，其特征在于，所述计算得出故障边带特征的电信号残差向量信号步骤，其具体为：
(1)耦合电信号带通滤波。
(2)耦合电信号初次相位补偿。
(3)Savitzky-Golay时间序列法对耦合信号平滑滤波。
(4)逻辑加权衍生动态时间规整算法对耦合电信号进行处理。
(5)得出故障边带特征的电信号残差向量信号。
4.根据权利要求2所述的一种用于齿轮箱电信号残差信号的提取方法，其特征在于，所述建立齿轮箱的驱动电机电流信号和传动系统振动信号的耦合模型的步骤(1)中，齿轮箱传动系统的振动信号的非线性集总参数模型，该模型通过将齿轮简化为随时间变化的非线性弹簧连接的刚性气缸，转轴模拟为二节点单元，轴承模拟为附加集总刚度单元，从而建立振动信号的非线性集总参数模型。
5.根据权利要求2所述的一种用于齿轮箱电信号残差信号的提取方法，其特征在于，所述建立齿轮箱的驱动电机电流信号和传动系统振动信号的耦合模型的步骤(2)中，驱动电机的电流信号的等效二相电机是采用克朗变换将静子电流信号系转换为动子d-q模型建立。
6.根据权利要求2所述的一种用于齿轮箱电信号残差信号的提取方法，其特征在于，所述建立齿轮箱的驱动电机电流信号和传动系统振动信号的耦合模型的步骤(3)中，齿轮箱齿轮传动系统的振动信号和驱动电机的电流信号的耦合模型是非线性一阶差分动态耦合关系。
7.根据权利要求3所述的一种用于齿轮箱电信号残差信号的提取方法，其特征在于，所述计算得出故障边带特征的电信号残差向量信号步骤(4)中，逻辑加权衍生动态时间规整算法是将逻辑权重函数和坡度加权函数应用于动态时间规整算法之中。
8.根据权利要求3所述的一种用于齿轮箱电信号残差信号的提取方法，其特征在于，所述计算得出故障边带特征的电信号残差向量信号步骤(4)中，逻辑加权衍生动态时间规整算法计算公式：
其中：。
9.一种用于齿轮箱电信号故障特征提取的装置，其特征在于，包括驱动的电机电信号测量模块、信号耦合模块和电信号残差向量信号计算模块。
10.根据权利要求9所述一种用于齿轮箱电信号故障特征提取的装置，其特征在于，所述驱动电机的电流信号模块具有电流信号输出端口，电流信号输出端口将电流信号传递到信号耦合模块。
11.根据权利要求9所述一种用于齿轮箱电信号故障特征提取的装置，其特征在于，所述信号耦合模块具有信号耦合功能，输出耦合信号到电信号残差向量信号计算模块。
12.根据权利要求9所述一种用于齿轮箱电信号故障特征提取的装置，其特征在于，所述电信号残差向量信号计算模块内置有齿轮箱电信号故障特征提取算法程序，将耦合模块的耦合信号计算处理得到电信号残差向量信号。
CN201710029729.5A 2017-01-12 2017-01-12 一种用于齿轮箱电信号残差信号的提取方法 Pending CN108303249A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710029729.5A CN108303249A (zh) 2017-01-12 2017-01-12 一种用于齿轮箱电信号残差信号的提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710029729.5A CN108303249A (zh) 2017-01-12 2017-01-12 一种用于齿轮箱电信号残差信号的提取方法

Publications (1)

Publication Number Publication Date
CN108303249A true CN108303249A (zh) 2018-07-20

Family

ID=62872095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710029729.5A Pending CN108303249A (zh) 2017-01-12 2017-01-12 一种用于齿轮箱电信号残差信号的提取方法

Country Status (1)

Country Link
CN (1) CN108303249A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110530630A (zh) * 2019-01-21 2019-12-03 天津工业大学 一种基于改进动态时间规整的行星齿轮箱齿轮局部故障诊断方法
CN110608885A (zh) * 2019-09-09 2019-12-24 天津工业大学 一种用于滚动轴承内圈磨损故障诊断及趋势预测的方法
CN110646200A (zh) * 2019-09-04 2020-01-03 天津工业大学 一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法
CN110646199A (zh) * 2019-09-06 2020-01-03 天津工业大学 一种基于加权导数动态时间规整的齿轮微弱故障诊断方法
WO2020078132A1 (zh) * 2018-10-15 2020-04-23 株洲中车时代电气股份有限公司 一种电机轴承故障诊断装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106153179A (zh) * 2015-04-10 2016-11-23 华北电力大学（保定） 中速磨煤机振动故障诊断方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106153179A (zh) * 2015-04-10 2016-11-23 华北电力大学（保定） 中速磨煤机振动故障诊断方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
LIU ZHEN-WU: "A Fault Diagnosis System based on Bistable Stochastic Resonance andDynamic Time Warping", KEY ENGINEERING MATERIALS, pages 1294 - 1298 *
SHANG ZHI-WU: "Time-domain Fault Diagnosis Method of Mechanical and Electrical Equipment Based Improved Dynamic Time Wraping", KEY ENGINEERING MATERIALS, pages 1540 - 1544 *
杨明等: "基于电机驱动系统的齿轮故障诊断方法综述", 《电工技术学报》 *
杨明等: "基于电机驱动系统的齿轮故障诊断方法综述", 《电工技术学报》, no. 04, 25 February 2016 (2016-02-25) *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020078132A1 (zh) * 2018-10-15 2020-04-23 株洲中车时代电气股份有限公司 一种电机轴承故障诊断装置
US11898932B2 (en) 2018-10-15 2024-02-13 ZhuZhou CRRC Times Electric Co., Ltd. Motor bearing failure diagnosis device
CN110530630A (zh) * 2019-01-21 2019-12-03 天津工业大学 一种基于改进动态时间规整的行星齿轮箱齿轮局部故障诊断方法
CN110530630B (zh) * 2019-01-21 2023-08-29 天津工业大学 一种基于改进动态时间规整的行星齿轮箱齿轮局部故障诊断方法
CN110646200A (zh) * 2019-09-04 2020-01-03 天津工业大学 一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法
CN110646200B (zh) * 2019-09-04 2021-10-22 天津工业大学 一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法
CN110646199A (zh) * 2019-09-06 2020-01-03 天津工业大学 一种基于加权导数动态时间规整的齿轮微弱故障诊断方法
CN110646199B (zh) * 2019-09-06 2022-01-07 天津工业大学 一种基于加权导数动态时间规整的齿轮微弱故障诊断方法
CN110608885A (zh) * 2019-09-09 2019-12-24 天津工业大学 一种用于滚动轴承内圈磨损故障诊断及趋势预测的方法
CN110608885B (zh) * 2019-09-09 2021-10-29 天津工业大学 一种用于滚动轴承内圈磨损故障诊断及趋势预测的方法

Similar Documents

Publication Publication Date Title
CN108303249A (zh) 一种用于齿轮箱电信号残差信号的提取方法
CN111356910B (zh) 一种实现旋转设备自动故障诊断及寿命预测的系统和方法
Zheng et al. Sparse elitist group lasso denoising in frequency domain for bearing fault diagnosis
Medjaher et al. Data-driven prognostics based on health indicator construction: Application to PRONOSTIA's data
KR102166649B1 (ko) 기계학습을 이용한 회전기계 고장 진단 및 예측시스템
Yongbo et al. Review of local mean decomposition and its application in fault diagnosis of rotating machinery
Jin et al. Anomaly detection of cooling fan and fault classification of induction motor using Mahalanobis–Taguchi system
Ma et al. Locally linear embedding on Grassmann manifold for performance degradation assessment of bearings
CN102521604B (zh) 一种基于巡检系统的设备性能退化评估装置及方法
CN113947017B (zh) 一种滚动轴承剩余使用寿命预测方法
CN111044902A (zh) 一种基于电流和电压信号的电机故障诊断方法
WO2015047121A1 (en) Method and apparatus for embedded current signature analysis and remote condition monitoring for industrial machinery
Choudhury et al. A methodology to handle spectral smearing in gearboxes using adaptive mode decomposition and dynamic time warping
CN113125135A (zh) 旋转机械的故障诊断方法、存储介质及电子设备
Jiang et al. A study on defect identification of planetary gearbox under large speed oscillation
CN117672255B (zh) 基于人工智能和设备运行声音的异常设备识别方法及系统
CN108303250A (zh) 一种通过电信号残差向量信号识别齿轮箱故障的方法
CN110441081B (zh) 一种旋转机械故障的智能诊断方法及智能诊断系统
Sharp Prognostic approaches using transient monitoring methods
CN112257616A (zh) 一种基于振动信号的调相机故障诊断方法、装置及系统
CN117477499A (zh) 智能电机控制保护系统及其方法
Shuai et al. Adaptive morphological feature extraction and support vector regressive classification for bearing fault diagnosis
Tseng et al. A Diagnostic System for Speed‐Varying Motor Rotary Faults
CN105910701A (zh) 基于短样本频谱校正旋转机械振动信号盲分离方法及装置
Jiang et al. An improved quantitative recurrence analysis using artificial intelligence based image processing applied to sensor measurements

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