CN113074941B - 基于自适应时变梳状滤波的变转速齿轮故障信号提取方法 - Google Patents
基于自适应时变梳状滤波的变转速齿轮故障信号提取方法 Download PDFInfo
- Publication number
- CN113074941B CN113074941B CN202110324209.3A CN202110324209A CN113074941B CN 113074941 B CN113074941 B CN 113074941B CN 202110324209 A CN202110324209 A CN 202110324209A CN 113074941 B CN113074941 B CN 113074941B
- Authority
- CN
- China
- Prior art keywords
- signal
- time
- gear
- varying
- varying comb
- 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
Images
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
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法、诊断方法、系统及存储介质,该诊断方法包括:采集变转速下的齿轮振动信号和转速信号;用自适应时变梳状滤波器对齿轮振动信号进行时变梳状滤波获取时变梳状滤波信号;根据转速信号对时变梳状滤波信号进行等角度重采样得到角域重采样信号;对角域重采样信号进行频谱分析得到阶次谱,并根据阶次谱中啮合阶次周围的调制边频阶次诊断变转速下的齿轮故障。本发明精确提取变转速下的包含齿轮故障信息的齿轮啮合振动频率成分及调制边频成分,同时去除其他信号成分的干扰,能有效凸显变转速下的齿轮故障特征。
Description
技术领域
本发明属于机械设备状态监测和故障诊断领域,具体涉及一种变转速下的齿轮故障信号提取方法及其故障诊断方法及系统,更具体地涉及一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法、诊断方法、系统及存储介质。
背景技术
齿轮是旋转机械设备中一种广泛使用的零部件,常用于传递扭矩、改变速度、更改方向等。在实际应用中,由于工作强度大、运行环境复杂,且常处于重载荷下持续运行,齿轮极易因疲劳磨损而产生剥落、裂纹、断齿等局部故障,从而影响整个设备的安全运行。因此,对齿轮进行监测与故障诊断对保证整个设备的可靠运行具有重要意义。
当齿轮出现局部故障时,齿轮的啮合频率及其倍频周围会出现以转频及其倍频为间隔的调制边频带,该边频带的数量及其幅值大小蕴含了齿轮的相关故障信息,对齿轮啮合振动频率成分及其调制边频成分的精准提取可为齿轮的故障定量分析和可靠性评估提供重要依据。在恒定转速条件下,可通过共振解调、小波分析、EMD等类似于带通滤波的方法将齿轮啮合振动频率成分及其调制边频成分准确提取出来,进而诊断齿轮故障。但在转速变化情况下,齿轮的啮合频率及其调制边频均会随着转速变化而变化,使得其频谱出现频率模糊现象,此时,传统的带通滤波方法不能有效提取包含齿轮故障信息的啮合振动频率成分及其调制边频成分,特别是在转速大范围波动情况下。
对于变转速下的齿轮振动信号的分析,较为常用的一种方法是通过对时域等时间间隔采集的非平稳信号进行等角度重采样,将其转变为角域平稳信号,然后再对角域信号进行分析,进而提取齿轮故障特征。但在低信噪比或早期故障情况下,此时,背景噪声相对较强,齿轮的故障特征极易被淹没,不易察觉,从而容易造成漏诊。因此,在进行等角度重采样之前需对包含齿轮故障信息的齿轮啮合振动频率成分及其调制边频成分进行提纯处理。
基于上述分析,针对变转速下的齿轮故障特征的时变特点,亟需研发一种适合于变转速下的时变滤波方法以将齿轮啮合振动频率成分及其调制边频成分有效分离出来的技术手段。
发明内容
本发明的目的是针对强背景噪声、变转速下的齿轮故障诊断,提供一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法、诊断方法、系统及存储介质。本发明所述方法可以根据齿轮转速的变化特点,自适应地设计时变梳状滤波器,能精确提取变转速下的包含齿轮故障信息的齿轮啮合振动频率成分及其调制边频成分,同时去除其他信号成分的干扰,能有效凸显变转速下的齿轮故障特征。
一方面,本发明提供一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法,包括如下步骤:
步骤S1:采集变转速下的齿轮振动信号x(t)和转速信号fr(t),t=t1,t2,…,tN,N为信号采样长度;
步骤S2:用自适应时变梳状滤波器对齿轮振动信号进行时变梳状滤波,以获取时变梳状滤波信号,所述时变梳状滤波信号为提纯后的齿轮啮合振动成分及其调制边频成分。
二方面,本发明提供一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法,包括如下步骤:
步骤S1:采集变转速下的齿轮振动信号x(t)和转速信号fr(t),t=t1,t2,…,tN,N为信号采样长度;
步骤S2:用自适应时变梳状滤波器对齿轮振动信号进行时变梳状滤波,以获取时变梳状滤波信号,所述时变梳状滤波信号为提纯后的齿轮啮合振动成分及其调制边频成分;
步骤S3:根据转速信号对所述时变梳状滤波信号进行等角度重采样得到角域重采样信号;
步骤S4:对所述角域重采样信号进行频谱分析得到阶次谱,并根据所述阶次谱中啮合阶次周围的调制边频阶次诊断变转速下的齿轮故障。
可选地,所述自适应时变梳状滤波器是根据转速信号而设计,所述自适应时变梳状滤波器的冲击响应及其频响函数H(ti,ω)分别表示如下:
式中,h(ti,ω)为ti时刻的冲击响应,H(ti,ω)为ti时刻的频响函数,fg(ti)表示ti时刻的啮合频率值;fr(ti)表示ti时刻的转频值;ωi表示ti时刻的滤波器半带宽,ω为角频率,K为滤波阶数,t表示时间。
从上述频响函数H(ti,ω)的表达可知,滤波器的通带与齿轮的转速信号fr(ti)和啮合频率fg(ti)相关(fg(ti)=fr(ti)*齿轮齿数),即滤波器的通带变化是根据转速信号fr(ti)来进行设计的,因此,不管转速信号fr(ti)怎么变化,时变滤波器都能很好地滤取齿轮啮合振动成分及其调制边频成分,因而,具有较好的自适应性,克服了传统滤波分析方法在分离变转速下(特别是在转速大范围波动情况下)齿轮故障信号成分时可能存在的模态混淆问题,传统的滤波分析方法如小波分析、EMD等,其实质是以二进制的形式对频率成分进行分解,当转速波动较大(特别是启停机时),齿轮啮合振动成分及其调制边频成分就有可能跨越两个或多个频带,此时,就会产生模态混淆。如图10所示,fs表示采样频率,线条表示某一频率成分的频率变化范围。该频率成分频率的变化跨越了多个频带,若采用小波分析、EMD等进行分析,就会产生模态混淆,即会将这一个频率成分分解为多个。而本发明可以克服该技术缺陷。
可选地,步骤S2中用自适应时变梳状滤波器对齿轮振动信号进行时变梳状滤波,以获取时变梳状滤波信号的过程如下:
S21:初始化滤波时刻ti=1;
S22:根据滤波时刻ti的自适应时变梳状滤波器的频响函数H(ti,ω)对齿轮振动信号x(t)进行滤波,得到ti时刻的时变梳状滤波信号点s(ti),表示如下:
S23:判断是否存在i<N,若是,则i=i+1,并返回步骤S22,直至i=N,再将滤波得到的所有时刻的时变梳状滤波信号点按时间顺序排列,得到时变梳状滤波信号s(t),t=t1,t2,…,tN。
可选地,步骤S3中根据转速信号对所述时变梳状滤波信号进行等角度重采样得到角域重采样信号的过程如下:
S31:采用三次多项式对转速信号fr(t)进行拟合,确定拟合系数a、b、c、d;
fr(t)=at3+bt2+ct+d
S32:基于设定的最大分析阶次Dmax计算出等角度重采样的角度间隔Δθ,如下:
S33:利用所述角度间隔Δθ计算出重采样后的数据长度L,如下:
式中,T为时域采样的总时间,存在T=tN-t1;
S34:根据拟合系数a、b、c、d,用如下公式计算出等角度重采样的键相时标Tn:
式中,T0为时域采样开始时间,即T0=t1;
S35:利用Langrange线性插值公式对时变梳状滤波信号s(t)进行插值,Langrange线性插值公式为:
式中,ω(Tn)为角域重采样信号。
可选地,步骤S4中对所述角域重采样信号进行频谱分析得到阶次谱,并根据所述阶次谱中啮合阶次周围的调制边频阶次诊断变转速下的齿轮故障的过程为:
S41:对角域重采样信号ω(Tn)进行FFT频谱分析,得到其阶次谱;
S42:根据阶次谱中齿轮啮合阶次附近的调制边频阶次的数量及其幅值大小来实现变转速下的齿轮故障诊断。其过程为现有技术实现过程,即根据啮合频率周围的调制边频带及其幅值大小来诊断齿轮故障是目前一种主要的手段之一。
三方面,本发明提供一种基于上述一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法的系统,包括:
信号采集单元,用于同步采集变转速下的齿轮振动信号和转速信号;
时变梳状滤波单元,用于根据所述时变梳状滤波器对所采集到的齿轮振动信号进行时变滤波,以获取时变梳状滤波信号。
四方面,本发明提供一种基于上述一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法的系统,包括:
信号采集单元,用于同步采集变转速下的齿轮振动信号和转速信号;
时变梳状滤波单元,用于根据所述时变梳状滤波器对所采集到的齿轮振动信号进行时变滤波,以获取时变梳状滤波信号;
信号重采样单元,用于根据所采集到的转速信号对时变梳状滤波信号进行等角度重采样,以获取等角度重采样信号。
频谱分析单元,用于对等角度重采样信号进行频谱分析,以实现对变转速下的齿轮故障进行诊断。
五方面,本发明提供一种系统,包括信号采集模块、存储器和处理器,所述存储器内存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现所述的一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法的步骤,或者所述的一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法的步骤。
六方面,本发明提供一种存储介质,存储了计算机程序,所述计算机程序被处理器调用以实现:一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法的步骤,或者实现:一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法的步骤。
有益效果
1.本发明的故障信号提取方法和故障诊断方法是一种自适应非平稳信号分析方法,该方法结合了梳状滤波与自适应时变滤波的思想,可根据变转速下齿轮故障特征的特点,自适应地设计时变梳状滤波器,不管转速信号怎么变化,均可将包含故障信息的齿轮啮合振动成分及其调制边频成分精准提取出来,具有较好的自适应性,同时克服了传统滤波分析方法在分离变转速下(特别是在转速大范围波动情况下)齿轮故障信号成分时可能存在的模态混淆问题。
2.本发明通过实验数据验证了所述方法可以有效去除了其他信号成分的干扰,因此,更能凸显变转速下的齿轮故障特征。
3.本发明方法具有较强的抗噪性能,特别适用于低信噪比和早期局部故障下的变转速齿轮故障特征提取与诊断。低信噪比包含两种:1)故障处于中期或比较严重,但周围零部件产生的噪声也很强,远大于故障成分的能量;2)故障处于早期,此时故障成分比较微弱,相对于其他信号成分来说,其能量比较小。而本发明由于滤波器的设计只针对齿轮啮合振动成分及其调制边频成分的提取,而与其他成分无关,因此,不管其他信号成分的能量有多强,滤波器所提取的信号成分只是齿轮啮合振动成分及其调制边频成分,因而具有较强的针对性。
附图说明
图1为本发明实施例1提供的所述方法的流程图;
图2为本发明实施例3所述故障诊断系统的模块示意图;
图3为本发明实施例齿轮故障试验台简图;
图4为本发明实施例齿轮局部故障的振动信号波形图;
图5为本发明实施例齿轮局部故障的转速信号图;
图6为本发明实施例自适应时变梳状滤波器的时频特性图;
图7为本发明实施例时变梳状滤波信号的波形图;
图8为本发明实施例等角度重采样信号的波形图;
图9为本发明实施例时变梳状滤波信号的阶次谱图;
图10为传统技术中某一频率成分的频率变化范围的示意图。
具体实施方式
本发明提供的一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法及故障诊断方法,其针对变转速下的齿轮故障特征的时变特点,将变转速齿轮啮合振动频率成分及其调制边频成分有效分离出来,为后续故障诊断奠定基础,进而提高故障诊断的准确度。下面将结合实施例对本发明做进一步的说明。
实施例1:
如图1所示,本实施例提供的一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法,包括以下步骤:(1)采集变转速下的齿轮振动信号和转速信号;(2)根据转速信号设计自适应时变梳状滤波器;(3)采用自适应时变梳状滤波器对齿轮振动信号进行时变梳状滤波,以获取时变梳状滤波信号;(4)根据转速信号对时变梳状滤波信号进行等角度重采样得到角域重采样信号;(5)对角域重采样信号进行频谱分析得到阶次谱,并根据阶次谱中啮合阶次周围的调制边频阶次诊断变转速下的齿轮故障。
本实施例的试验数据来自单级传动齿轮箱试验台,试验台简图如图3所示。试验齿轮1#和2#均为正齿轮,1#齿轮为主动齿,齿数为55;2#齿轮为从动齿,齿数为75。本实施例所采用的模拟故障类型为齿轮断齿局部故障:对1#齿轮的其中一个齿整体进行线切割。
试验中通过变频器调整直流电机的转速,使齿轮箱在变转速下运行。试验时,通过PCB振动加速度传感器拾取变转速下的齿轮振动信号,同时采用光电式转速传感器拾取齿轮的转速信号。振动加速度传感器置于1#轴承附件的箱体上,测取垂直方向的振动加速度信号;光电式转速传感器采集齿轮箱输入轴的转速信号,如图3所示。采用LMS.TestLab进行振动信号和转速信号的同步采集,信号采样频率为8192Hz,采样时长为1s。
步骤(1):采集变转速下的齿轮振动信号和转速信号。
试验时,利用PCB振动加速传感器采集到的变转速下的齿轮振动信号为x(t),t=t1,t2,…,tN(N表示信号采样长度)如图4所示。同时利用光电式转速传感器拾取到的齿轮的转速信号fr(t),t=t1,t2,…,tN如图5所示,图5中所示,齿轮处于升速阶段。
步骤(2):根据齿轮的转速信号设计自适应时变梳状滤波器。
(21)根据故障主动齿轮的齿数55和转速信号fr(t),计算其啮合频率fg(t)
fg(t)=55fr(t),t=t1,t2,…,tN (1)
(22)选用Fourier核函数作为原型滤波器来设计梳状滤波器,Fourier核函数的冲击响应h(t)及其频响函数H(ω)分别为
式中,ω0表示滤波器半带宽,f0表示滤波器的中心频率。
(23)确定梳状滤波器的滤波阶数K(K为正整数),根据齿轮的转速信号fr(t)和啮合频率fg(t)设计自适应时变梳状滤波器:在任一时刻ti(i=1,2…,N)处,自适应时变梳状滤波器的冲击响应h(ti,ω)及其频响函数H(ti,ω)分别为:
式中,表示在ti时刻的频响函数;fg(ti)表示ti时刻的啮合频率值;fr(ti)表示ti时刻的转频值;ωi表示ti时刻的滤波器半带宽,ω为角频率。其中,自适应时变梳状滤波器的冲击响应h(ti,ω)为一个数据序列,在每一时刻ti均存在一个冲击响应。
本实施例中,滤波器半带宽ωi取0.1fr(ti),滤波阶数K取5,k为设定的一个变量,其取值范围在[-K,K],设计出的自适应时变梳状滤波器的时频特性图如图6所示。图6中,下图为俯视图,白色部分表示时变梳状滤波器的通带,黑色部分表示时变梳状滤波器的阻带;上图为下图在0.5s附件的切片图。从图6中可以看出,所设计出的自适应时变梳状滤波器可根据信号的频率变化特点自适应地设计滤波器,具有较好的频率自适应性。
步骤(3):对齿轮振动信号x(t)进行自适应时变梳状滤波的过程如下:
(31)初始化滤波时刻ti=1。
(32)根据ti时刻的自适应时变梳状滤波器H(ti,ω)对齿轮振动信号x(t)进行滤波,可由式(6)计算得到ti时刻的时变梳状滤波信号点s(ti):
(33)若i<N,则i=i+1,返回重复步骤(2);若i=N,则结束,并将滤波得到的所有时刻信号点s(ti)按时间顺序排列,便可得到时变梳状滤波信号s(t),t=t1,t2,…,tN,即提纯后的齿轮啮合振动成分及其调制边频成分。
本实施例中,根据所设计的自适应时变梳状滤波器对齿轮振动信号x(t)进行滤波,得到的时变梳状滤波信号s(t),t=t1,t2,…,tN如图7所示。
步骤(4):对时变梳状滤波信号s(t),t=t1,t2,…,tN进行等角度重采样,计算步骤包括:
(41)采用三次多项式对转速信号fr(t)进行拟合,确定拟合系数a、b、c、d
fr(t)=at3+bt2+ct+d(7)
(42)确定最大分析阶次Dmax,并计算等角度重采样的角度间隔Δθ:
其中,关于最大分析阶次Dmax:
对于阶次分析来说,一般是以转速作为参考,即把它看做1。而啮合频率=转速*齿轮齿数,那么相对转速来说,啮合频率的阶数就是齿轮齿数的数值。因此如果要能准确分析啮合频率,那么最大分析阶次至少要大于齿轮齿数。例如:假定分析齿轮齿数为50,那么从理论上来说最大分析阶次一般要大于50,即采样阶次要大于100。进一步地,与时域采样一样,在工程上为了避免模态混淆,采样阶次一般会设置得大一些,即采样阶次≥齿轮齿数*2.56,即本实施例中设定最大分析阶次≥齿轮齿数*1.28。
(43)根据式(9)计算重采样后的数据长度L:
式中,T为时域采样的总时间,T=tN-t1。
(44)根据拟合系数a、b、c、d,用式(10)计算等角度重采样的键相时标Tn:
式中,T0为时域采样开始时间,即T0=t1;。
(45)利用Langrange线性插值公式对时变梳状滤波信号s(t)进行插值,Langrange线性插值公式为:
式中,ω(Tn)为角域重采样信号,即平稳化的齿轮啮合振动成分及其调制边频成分。
本实施例中,由于主动齿的齿数为55,故设置最大分析阶次Dmax为100,经重采样插值得到的齿轮局部故障重采样信号ω(Tn)如图8所示。
步骤(5):对角域重采样信号进行频谱分析,并根据阶次谱诊断变转速下的齿轮故障,包括以下步骤:
(51)对角域重采样信号ω(Tn)进行FFT频谱分析,获得其阶次谱。
(52)根据阶次谱中齿轮啮合阶次附近的调制边频阶次的数量及其幅值大小来实现变转速下的齿轮故障诊断。
本实施例中,齿轮局部故障的阶次谱如图9所示。图9中,在阶次55.01处出现了突出的峰值,与齿轮的啮合阶次相符,此外,在啮合阶次的边频阶次51.94、53.99、56.91和57.94处也出现了明显的峰值,这些阶次与齿轮的1、2和3倍转频调制阶次相符,表明齿轮出现了局部故障;同时,在图9中,除了齿轮啮合阶次和调制边频阶次外,无其他明显峰值,且整体的噪声水平较低,表明本发明方法能有效去除其他信号成分的干扰,凸显变转速下的齿轮故障特征。
本实施例1的实现过程解决了齿轮啮合振动频率成分及其调制边频成分进行提纯问题,同时还基于提纯后的信息进行了故障诊断。其中,本实施例1中在故障诊断的过程中设计滤波传感器,其他可行的实施例中,可以预先设计滤波传感器的结构,本发明对此不进行具体的限定。
实施例2
本实施例提供一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法,包括如下步骤:
A采集变转速下的齿轮振动信号x(t)和转速信号fr(t),t=t1,t2,…,tN;
B用自适应时变梳状滤波器对齿轮振动信号进行时变梳状滤波,以获取时变梳状滤波信号,所述时变梳状滤波信号为提纯后的齿轮啮合振动成分及其调制边频成分。
其中,自适应时变梳状滤波器的结构以及利用自适应时变梳状滤波器对齿轮振动信号进行时变梳状滤波的过程请参照实施例1的阐述,两者相同,故而在此不再赘述。
实施例3
如图2所示,本实施例提供一种基于上述一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法的系统,包括:
信号采集单元,用于同步采集变转速下的齿轮振动信号和转速信号;
时变梳状滤波器设计单元,用于根据所采集到的转速信号设计时变梳状滤波器.
时变梳状滤波单元,用于根据所述时变梳状滤波器对所采集到的齿轮振动信号进行时变滤波,以获取时变梳状滤波信号;
信号重采样单元,用于根据所采集到的转速信号对时变梳状滤波信号进行等角度重采样,以获取等角度重采样信号。
频谱分析单元,用于对等角度重采样信号进行频谱分析,以实现对变转速下的齿轮故障进行诊断。
其中,各个模块的具体实现过程请参照实施例1的阐述。
实施例4:
本实施例提供一种基于上述一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法的系统,包括:
信号采集单元,用于同步采集变转速下的齿轮振动信号和转速信号;
时变梳状滤波单元,用于根据所述时变梳状滤波器对所采集到的齿轮振动信号进行时变滤波,以获取时变梳状滤波信号。
其中,各个模块的具体实现过程请参照实施例2的阐述。
应当理解,上述实施例3以及实施例4中功能模块单元的划分仅仅是一种逻辑功能的划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。同时,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。譬如,信号采集单元为振动加速度传感器以及光电式转速传感器,其利用振动加速度传感器拾取变转速下的齿轮振动信号,以及利用光电式转速传感器同步拾取变转速下的齿轮转速信号。
实施例5:
本实施例提供一种系统,包括信号采集模块、存储器和处理器,所述存储器内存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现所述的一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法的步骤,或者所述的一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法的步骤。
具体的各个步骤的实现过程请参照前述方法的阐述。信号采集模块为振动加速度传感器以及光电式转速传感器,其利用振动加速度传感器拾取变转速下的齿轮振动信号,以及利用光电式转速传感器同步拾取变转速下的齿轮转速信号。
本实施例提供一种存储介质,存储了计算机程序,所述计算机程序被处理器调用以实现:一种基于自适应时变梳状滤波的变转速齿轮故障信号提取方法的步骤,或者实现:一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法的步骤。
具体的各个步骤的实现过程请参照前述方法的阐述。
应当理解,在本发明实施例中,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
所述存储介质为计算机可读存储介质,其可以是前述任一实施例所述的控制器的内部存储单元,例如控制器的硬盘或内存。所述存储介质也可以是所述控制器的外部存储设备,例如所述控制器上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储介质还可以既包括所述控制器的内部存储单元也包括外部存储设备。所述存储介质用于存储所述计算机程序以及所述控制器所需的其他程序和数据。所述存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要强调的是,本发明所述的实例是说明性的,而不是限定性的,因此本发明不限于具体实施方式中所述的实例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,不脱离本发明宗旨和范围的,不论是修改还是替换,同样属于本发明的保护范围。
Claims (9)
1.一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法,其特征在于:包括如下步骤:
步骤S1:采集变转速下的齿轮振动信号x(t)和转速信号fr(t),t=t1,t2,…,tN,N为信号采样长度;
步骤S2:用自适应时变梳状滤波器对齿轮振动信号进行时变梳状滤波,以获取时变梳状滤波信号,所述时变梳状滤波信号为提纯后的齿轮啮合振动成分及其调制边频成分;
步骤S3:根据转速信号对所述时变梳状滤波信号进行等角度重采样得到角域重采样信号;
步骤S4:对所述角域重采样信号进行频谱分析得到阶次谱,并根据所述阶次谱中啮合阶次周围的调制边频阶次诊断变转速下的齿轮故障。
3.根据权利要求1所述的方法,其特征在于:步骤S2中用自适应时变梳状滤波器对齿轮振动信号进行时变梳状滤波,以获取时变梳状滤波信号的过程如下:
S21:初始化滤波时刻ti=1;
S22:根据滤波时刻ti的自适应时变梳状滤波器的频响函数H(ti,ω)对齿轮振动信号x(t)进行滤波,得到ti时刻的时变梳状滤波信号点s(ti),表示如下:
S23:判断是否存在i<N,若是,则i=i+1,并返回步骤S22,直至i=N,再将滤波得到的所有时刻的时变梳状滤波信号点按时间顺序排列,得到时变梳状滤波信号s(t),t=t1,t2,…,tN。
4.根据权利要求1所述的方法,其特征在于:步骤S3中根据转速信号对所述时变梳状滤波信号进行等角度重采样得到角域重采样信号的过程如下:
S31:采用三次多项式对转速信号fr(t)进行拟合,确定拟合系数a、b、c、d;
fr(t)=at3+bt2+ct+d
S32:基于设定的最大分析阶次Dmax计算出等角度重采样的角度间隔Δθ,如下:
S33:利用所述角度间隔Δθ计算出重采样后的数据长度L,如下:
式中,T为时域采样的总时间,存在T=tN-t1;
S34:根据拟合系数a、b、c、d,用如下公式计算出等角度重采样的键相时标Tn:
式中,T0为时域采样开始时间,即T0=t1;
S35:利用Langrange线性插值公式对时变梳状滤波信号s(t)进行插值,Langrange线性插值公式为:
式中,ω(Tn)为角域重采样信号。
5.根据权利要求1所述的方法,其特征在于:步骤S4中对所述角域重采样信号进行频谱分析得到阶次谱,并根据所述阶次谱中啮合阶次周围的调制边频阶次诊断变转速下的齿轮故障的过程为:
S41:对角域重采样信号ω(Tn)进行FFT频谱分析,得到其阶次谱,其中ω(Tn)中的Tn为等角度重采样的键相时标;
S42:根据阶次谱中齿轮啮合阶次附近的调制边频阶次的数量及其幅值大小来实现变转速下的齿轮故障诊断。
6.一种基于权利要求1所述方法的系统,其特征在于:包括:
信号采集单元,用于同步采集变转速下的齿轮振动信号和转速信号;
时变梳状滤波单元,用于根据所述时变梳状滤波器对所采集到的齿轮振动信号进行时变滤波,以获取时变梳状滤波信号。
7.一种基于权利要求1所述方法的系统,其特征在于:包括:
信号采集单元,用于同步采集变转速下的齿轮振动信号和转速信号;
时变梳状滤波单元,用于根据所述时变梳状滤波器对所采集到的齿轮振动信号进行时变滤波,以获取时变梳状滤波信号;
信号重采样单元,用于根据所采集到的转速信号对时变梳状滤波信号进行等角度重采样,以获取等角度重采样信号。
频谱分析单元,用于对等角度重采样信号进行频谱分析,以实现对变转速下的齿轮故障进行诊断。
8.一种系统,其特征在于:包括信号采集模块、存储器和处理器,所述存储器内存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现权利要求1所述的一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法的步骤。
9.一种存储介质,其特征在于:存储了计算机程序,所述计算机程序被处理器调用以实现权利要求1所述的一种基于自适应时变梳状滤波的变转速齿轮故障诊断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110324209.3A CN113074941B (zh) | 2021-03-26 | 2021-03-26 | 基于自适应时变梳状滤波的变转速齿轮故障信号提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110324209.3A CN113074941B (zh) | 2021-03-26 | 2021-03-26 | 基于自适应时变梳状滤波的变转速齿轮故障信号提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113074941A CN113074941A (zh) | 2021-07-06 |
CN113074941B true CN113074941B (zh) | 2022-08-30 |
Family
ID=76610427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110324209.3A Active CN113074941B (zh) | 2021-03-26 | 2021-03-26 | 基于自适应时变梳状滤波的变转速齿轮故障信号提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113074941B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115586441B (zh) * | 2022-12-13 | 2023-03-10 | 湖南大学 | 基于梳状滤波的电机故障诊断方法、装置及存储介质 |
-
2021
- 2021-03-26 CN CN202110324209.3A patent/CN113074941B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113074941A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107505135B (zh) | 一种滚动轴承复合故障提取方法及系统 | |
CN108151869B (zh) | 一种机械振动特征指标提取方法、系统及装置 | |
Feng et al. | Joint amplitude and frequency demodulation analysis based on intrinsic time-scale decomposition for planetary gearbox fault diagnosis | |
EP2085902B1 (en) | Order tracking method and system | |
CN109765052B (zh) | 基于goa-asr的行星齿轮箱早期故障诊断方法 | |
CN104502099B (zh) | 齿轮箱瞬变工况特征分量循频提取方法 | |
CN110333071B (zh) | 一种利用窄带倒谱变换的机械振动信号处理方法 | |
Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
US20210239570A1 (en) | Method and device for monitoring a gear system | |
CN109596349A (zh) | 一种基于vmd和pct的减速器故障诊断方法 | |
CN113074941B (zh) | 基于自适应时变梳状滤波的变转速齿轮故障信号提取方法 | |
CN113702043A (zh) | 一种基于povmd和fdtw的时变转速下行星齿轮箱故障诊断方法 | |
CN113405795A (zh) | 一种关节rv减速器弱故障识别的方法 | |
CN108398260B (zh) | 基于混合概率方法的齿轮箱瞬时角速度的快速评估方法 | |
Zhao et al. | Vold-Kalman generalized demodulation for multi-faults detection of gear and bearing under variable speeds | |
CN112597969B (zh) | 一种滚动轴承故障诊断方法、系统及介质 | |
Wang et al. | Research on gearbox composite fault diagnosis based on improved local mean decomposition | |
Wang et al. | Some new signal processing approaches for gear fault diagnosis | |
Zhu et al. | Fault diagnosis method for rolling element bearings under variable speed based on TKEO and fast-SC | |
CN109948487B (zh) | 基于时频谱相关性分析的旋转机械故障特征提取方法 | |
CN107490477A (zh) | 基于频谱核密度函数相关性比较的齿轮箱故障诊断方法 | |
Zhan et al. | Adaptive autoregressive modeling of non-stationary vibration signals under distinct gear states. Part 2: experimental analysis | |
CN116150585A (zh) | 基于乘积包络谱的旋转机械故障诊断方法 | |
El-morsy et al. | Gearbox damage diagnosis using wavelet transform technique | |
CN113029553B (zh) | 齿轮箱轴转速信息提取方法、系统、装置及存储介质 |
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 |