CN113375930B - 左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法 - Google Patents
左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法 Download PDFInfo
- Publication number
- CN113375930B CN113375930B CN202110656605.6A CN202110656605A CN113375930B CN 113375930 B CN113375930 B CN 113375930B CN 202110656605 A CN202110656605 A CN 202110656605A CN 113375930 B CN113375930 B CN 113375930B
- Authority
- CN
- China
- Prior art keywords
- potential
- well
- resonance
- signals
- potential well
- 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
- G01M13/02—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法,克服了现有基于随机共振故障检测方法仅仅增强单一故障特征频率幅值、无法提取重复瞬态特征的缺点,解决了未考虑左右势阱非对称性驱动粒子跃迁速率差异诱发共振微弱特征增强机理的问题。本发明首先建立左势阱深度或宽度单一动态可调且与右势阱非对称双阱势,构造左右势阱非对称双阱势诱导过阻尼共振系统,产生不对等或不同步的左右势阱粒子跃迁速率;然后,构建左右势阱非对称双阱势诱导过阻尼共振阵列,将机械原始信号矩形滑窗截断的多个子信号输入共振阵列,利用重校正峭度指标作为遗传算法目标函数优化阵列参数,实现了机械早期故障微弱重复瞬态特征增强提取,将原始信号的峭度指标提高了80多倍。
Description
技术领域
本发明属于高端装备微弱故障诊断领域,涉及一种左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法。
背景技术
高端装备长期面临强腐蚀、强辐射、高低温、强冲击等极端工况,极易导致关键部件疲劳失效,引发巨大经济损失和重大灾难性事故,诸如船舶、飞机、火箭、卫星、核电站、高铁、风电等。面向国家重大战略需求,极端工况下高端装备在使用过程中零部件表面微小损伤检测研究不仅能够指导零部件优化设计与制造,而且能够及时引导轻微损伤自愈,延长零部件使用寿命,提高装备服役安全与可靠性。
极端工况机械表面微小损伤检测的重点是极端环境(如深空、深海、深地等)下高端装备在高速、重载、高压等各种外场及其耦合作用下表面微小损伤产生的超低信噪比微弱信号检测问题,即微弱重复瞬态特征提取。不同于“厌噪”微弱信号检测技术,随机共振能够利用噪声增强机械微弱信号检测,但现有随机共振故障诊断技术不仅停留在增强单一故障特征频率幅值,而且无法增强机械重复瞬态特征,未考虑左右势阱布朗粒子跃迁速率差异诱发共振的微弱重复瞬态特征增强机理。
针对以上问题,实属必要发展一种粒子左右势阱跃迁速率差异诱发共振增强机械瞬态特征提取方法。
发明内容
本发明旨在提出一种左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法,针对现有随机共振故障检测技术仅仅增强单一故障特征频率幅值,忽略了故障特征倍频或边频带信息,容易发生故障误诊,无法增强机械重复瞬态特征,且未考虑布朗粒子左右势阱不对等跃迁速率问题,将建立左势阱深度或宽度单一动态可调且左右势阱非对称双阱势,通过自适应调节左势阱深度或宽度产生与右势阱不同步或不对等的布朗粒子跃迁速率,从而利用左右势阱布朗粒子跃迁速率差异诱发共振俘获噪声能量增强机械重复瞬态特征提取。将左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法应用到行星齿轮箱微弱故障重复瞬态特征提取,实现了行星齿轮箱早期故障诊断。为实现以上技术目的,本发明实施例采用的技术方案是:
本发明实施例提供了一种左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法,其特征在于,包括以下步骤:
(1)建立左势阱深度或宽度单一动态可调且左右势阱非对称双阱势,进而构造左右势阱非对称双阱势诱导过阻尼共振系统,产生不对等或不同步的左右势阱粒子跃迁速率;
(2)利用矩形滑动窗函数截断机械原始振动信号s(t),获得K个子信号sj(t),j=1,2,...,K,并构造左右势阱非对称双阱势诱导过阻尼共振系统K阶阵列,将K个子信号作为K阶阵列的输入,求解阵列K个输出子信号,将K个输出子信号平方归一化,首尾相接合成与原始信号等长的噪声增强信号y(t);
(3)在步骤(2)中,利用遗传算法优化左右势阱非对称双阱势诱导过阻尼共振系统K阶阵列参数,考虑输出子信号的保真性和重复瞬态特征的冲击性,建立重校正峭度指标作为遗传算法目标函数,自适应优化K阶阵列参数和尺度因子,触发多尺度最优共振。
具体地,所述的左势阱深度或宽度单一动态可调且左右势阱非对称双阱势,左右势阱非对称双阱势诱导过阻尼共振系统分别如式(1)和式(2)所示;
式中,A1=B1=α,A2=1/α2,B2=1/α4,A3=1,B3=1/α2,且a,b,α均大于0,其中α是非对称因子,控制左右势阱非对称度,动态调控布朗粒子左右势阱跃迁速率差异;
式中,s(t)是机械原始振动信号,采样频率为fs,采样点数为N;x为系统响应。
具体地,步骤(2)中:
所述矩形滑动窗函数的窗长χ和滑动距离σr由式(3)确定,利用矩形滑动窗函数截断原始振动信号s(t)获得的K个子信号表示为[s1(t),s2(t),...,sK(t)],而左右势阱非对称双阱势诱导过阻尼共振系统K阶阵列如式(4)所示,平方归一化合成过程旨在消除不同输出子信号xj(j=1,2,...,K)之间的幅值差异,如式(5)所示;
式中,θ为常数,可取1;fr为机械转动频率;
具体地,步骤(3)中:
所述的重校正峭度指标如式(6)所示,
WKCj=|Cj|Kj (6)
式中,Cj表示输出子信号xj与输入子信号sj之间的相关系数,Kj表示输出子信号xj的无量纲峭度指标;
所述自适应优化K阶阵列参数和尺度因子描述为式(7)求解最优问题;
式中,R是尺度因子。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例的核心特点是利用左右势阱布朗粒子跃迁速率差异,触发最优共振俘获噪声能量增强微弱重复瞬态特征,打破现有随机共振微弱故障检测技术仅仅增强单一故障特征频率幅值,无法增强机械重复瞬态特征,且未考虑左右势阱之间粒子跃迁速率差异诱发共振增强机理的缺点,然后将其应用到行星齿轮箱微弱重复瞬态特征提取,实现了行星齿轮箱早期故障诊断。
附图说明
图1为本发明实施例中一种左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法的流程图。
图2为本发明实施例中的多级齿轮箱原始振动信号时域波形、频谱及其局部放大图。
图3为本发明实施例中的本申请方法的微弱重复瞬态特征增强结果示意图。
图4为本发明实施例中的经验模式分解方法的微弱重复瞬态特征提取结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
(1)利用矩形滑动窗函数ω=[ω1,ω2,...,ωK]截断机械原始振动信号s(t),获得K个子信号sj(t),j=1,2,...,K,并构造左右势阱非对称双阱势诱导过阻尼共振系统K阶阵列,将K个子信号作为K阶阵列的输入,求解阵列K个输出子信号xj(t),j=1,2,...,K;
(2)计算步骤(1)中输出子信号xj(t),j=1,2,...,K的重校正峭度指标WKCj,以此作为遗传算法的目标函数,优化左右势阱非对称双阱势诱导过阻尼共振系统K阶阵列的每个子系统参数,获得K阶阵列最优输出子信号xj(t),j=1,2,...,K,其中优化求解条件如下式所示;
式中,R是尺度因子,求解步长为h=R/fs;
(3)将步骤(2)中K阶阵列最优输出子信号xj(t),j=1,2,...,K去趋势项,然后归一化平方,消除不同增强子信号之间的幅值差异,首尾相接获得微弱重复瞬态特征增强结果即噪声增强信号y(t),从增强结果y(t)中辨识出机械早期故障微弱重复瞬态特征;
利用多级齿轮箱实验台验证本申请方法,多级齿轮箱由两级行星齿轮箱和两级定轴齿轮箱组成,设置采样频率为5.12kHz,采样时长为2.5s,第一级行星轮系故障试验参数如表1所示,属于行星轮齿根裂纹故障;
表1第一级行星轮系故障试验参数
图2给出了多级齿轮箱振动信号的时域波形、频谱及其局部放大图;从图2(a)可以看出,行星轮齿根裂纹故障诱发周期间隔为0.6s微弱重复瞬态特征被行星架转动引发的周期大约为t=0.1s正常振动模式淹没;从图2(b)及其局部放大图2(c)中可以看到,以第一级行星轮系啮合频率333.33Hz为中心,以行星架转频3.33Hz为间隔的边频带,属于正常行星轮系频率成分;
利用本申请的一种左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法处理图2(a)中多级齿轮箱原始振动信号,结果如图3所示,行星轮齿根裂纹故障诱发的周期为0.6s重复瞬态特征映入眼帘,异常清晰,而强背景噪声和多级齿轮箱正常啮合振动成分变得极其微弱;
图4呈现了经验模式分解方法前3个内禀模式分量(IMF)的平方包络归一化时域波形。从前两个内禀模式分量中能够看到行星轮齿根裂纹故障诱发的微弱的重复瞬态特征,但是亦能看到多级齿轮箱第一级行星轮系行星架正常转动激发的振动模式,说明经验模式分解方法发生了模式混淆现象,失败于分离故障模式和正常振动模式。相比前两个内禀模式分量而言,从第三个模式分量中能够观察到更清晰的重复瞬态特征,但依然存在强烈的背景噪声和正常啮合振动模式。峭度指标能够衡量提取结果中重复瞬态特征的强度,表2给出了各种方法提取结果的峭度指标值,可以看出本申请方法的最大峭度指标值是经验模式分解方法的4倍之多,将原始信号的峭度指标值提高了80多倍;
表2多级齿轮箱重复瞬态特征提取结果对比
注:①、②、③分别代表粒子阱深、阱宽及阱深阱宽跃迁速率差异诱发共振增强方法。
综上所述,发明的一种左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法能够发挥粒子左右势阱跃迁速率差异性的优势,当噪声作用于系统时粒子无法越过左势垒,只能发生左势阱阱内振荡,当瞬态特征作用于系统时诱发粒子越过左势垒进入右势阱,发生阱间跃迁,由于右势垒高度较低,粒子很容易在噪声作用下返回左势阱,如此往复,从而提取出微弱重复瞬态特征,实现高端机械装备早期故障诊断。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法,其特征在于,包括以下步骤:
(1)建立左势阱深度或宽度单一动态可调且左右势阱非对称双阱势,进而构造左右势阱非对称双阱势诱导过阻尼共振系统,产生不对等或不同步的左右势阱粒子跃迁速率;
(2)利用矩形滑动窗函数截断机械原始振动信号s(t),获得K个子信号sj(t),j=1,2,...,K,并构造左右势阱非对称双阱势诱导过阻尼共振系统K阶阵列,将K个子信号作为K阶阵列的输入,求解阵列K个输出子信号,将K个输出子信号平方归一化,首尾相接合成与原始信号等长的噪声增强信号y(t);
(3)在步骤(2)中,利用遗传算法优化左右势阱非对称双阱势诱导过阻尼共振系统K阶阵列参数,考虑输出子信号的保真性和重复瞬态特征的冲击性,建立重校正峭度指标作为遗传算法目标函数,自适应优化K阶阵列参数和尺度因子,触发多尺度最优共振;
所述的左势阱深度或宽度单一动态可调且左右势阱非对称双阱势,左右势阱非对称双阱势诱导过阻尼共振系统分别如式(1)和式(2)所示;
式中,A1=B1=α,A2=1/α2,B2=1/α4,A3=1,B3=1/α2,且a,b,α均大于0,其中α是非对称因子,控制左右势阱非对称度,动态调控布朗粒子左右势阱跃迁速率差异;
式中,s(t)是机械原始振动信号,采样频率为fs,采样点数为N;x为系统响应;
步骤(2)中:
所述矩形滑动窗函数的窗长χ和滑动距离σr由式(3)确定,利用矩形滑动窗函数截断原始振动信号s(t)获得的K个子信号表示为[s1(t),s2(t),...,sK(t)],而左右势阱非对称双阱势诱导过阻尼共振系统K阶阵列如式(4)所示,平方归一化合成过程旨在消除不同输出子信号xj,j=1,2,...,K之间的幅值差异,如式(5)所示;
式中,θ为常数,fr为机械转动频率;
步骤(3)中:
所述的重校正峭度指标如式(6)所示,
WKCj=|Cj|Kj (6)
式中,Cj表示输出子信号xj与输入子信号sj之间的相关系数,Kj表示输出子信号xj的无量纲峭度指标;
所述自适应优化K阶阵列参数和尺度因子描述为式(7)求解最优问题;
式中,R是尺度因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110656605.6A CN113375930B (zh) | 2021-06-11 | 2021-06-11 | 左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110656605.6A CN113375930B (zh) | 2021-06-11 | 2021-06-11 | 左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113375930A CN113375930A (zh) | 2021-09-10 |
CN113375930B true CN113375930B (zh) | 2022-05-24 |
Family
ID=77574247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110656605.6A Active CN113375930B (zh) | 2021-06-11 | 2021-06-11 | 左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113375930B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6008642A (en) * | 1997-08-25 | 1999-12-28 | The United States Of America As Represented By The Secretary Of The Navy | Stochastic resonance detector for weak signals |
CN106127165A (zh) * | 2016-06-30 | 2016-11-16 | 重庆邮电大学 | 基于自适应级联幂函数型双稳随机共振的微弱信号检测方法 |
CN106525426A (zh) * | 2016-12-06 | 2017-03-22 | 安徽大学 | 一种基于互补随机共振滤波器的微弱信号增强检测方法 |
CN109855874A (zh) * | 2018-12-13 | 2019-06-07 | 安徽大学 | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 |
CN111220386A (zh) * | 2019-11-18 | 2020-06-02 | 南通大学 | 一种自适应频移变尺度共振技术的轴承故障早期诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6631647B2 (en) * | 2001-04-26 | 2003-10-14 | Joseph B. Seale | System and method for quantifying material properties |
-
2021
- 2021-06-11 CN CN202110656605.6A patent/CN113375930B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6008642A (en) * | 1997-08-25 | 1999-12-28 | The United States Of America As Represented By The Secretary Of The Navy | Stochastic resonance detector for weak signals |
CN106127165A (zh) * | 2016-06-30 | 2016-11-16 | 重庆邮电大学 | 基于自适应级联幂函数型双稳随机共振的微弱信号检测方法 |
CN106525426A (zh) * | 2016-12-06 | 2017-03-22 | 安徽大学 | 一种基于互补随机共振滤波器的微弱信号增强检测方法 |
CN109855874A (zh) * | 2018-12-13 | 2019-06-07 | 安徽大学 | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 |
CN111220386A (zh) * | 2019-11-18 | 2020-06-02 | 南通大学 | 一种自适应频移变尺度共振技术的轴承故障早期诊断方法 |
Non-Patent Citations (4)
Title |
---|
A Periodic Potential Underdamped Stochastic Resonance Method and Its Application for Gear Fault Diagnosis;ZHIXING LI等;《IEEE Access》;20190923;全文 * |
Multi-frequency Periodic Weak Signal Detection Based on Single-well Potential Stochastic Resonance;Xiao Mingxia等;《IEEE》;20161231;全文 * |
二维非对称双稳随机共振系统及其在故障诊断中的应用;张刚等;《仪器仪表学报》;20210131;第42卷(第1期);全文 * |
阱宽非对称性诱导随机共振的轴承故障诊断方法;唐立力等;《科学技术与工程》;20180531;第18卷(第14期);摘要、第197-199页第1节 * |
Also Published As
Publication number | Publication date |
---|---|
CN113375930A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105825197A (zh) | 一种线性化势阱壁的路径扩展随机共振微弱特征提取方法 | |
CN107608936A (zh) | 一种行星齿轮箱复合故障特征提取方法 | |
CN108444698B (zh) | 基于teo解调和随机共振的行星齿轮箱早期故障诊断方法 | |
CN104316323B (zh) | 基于周期靶向的最优共振频带确定方法 | |
CN104596756A (zh) | 用于旋转机械故障诊断的多频带包络谱阵 | |
CN104792528A (zh) | 一种自适应最优包络解调方法 | |
CN103439110A (zh) | 滚动轴承早期微弱故障诊断方法 | |
CN106525426B (zh) | 一种基于互补随机共振滤波器的微弱信号增强检测方法 | |
CN109781412A (zh) | 一种基于eemd的滚动轴承自适应共振解调方法 | |
WO2022165737A1 (zh) | 一种船舶机械设备早期微弱故障信号特征诊断方法 | |
CN108801634B (zh) | 基于奇异值分解和优化的频带熵提取轴承故障特征频率的方法及其应用 | |
Zeng et al. | An adaptive fractional stochastic resonance method based on weighted correctional signal-to-noise ratio and its application in fault feature enhancement of wind turbine | |
CN110006652A (zh) | 一种滚动轴承故障诊断方法及系统 | |
CN107908863A (zh) | 一种基于emd理论与hht变换的水轮机运转状态判定方法 | |
Liu et al. | Optimizing the adaptive stochastic resonance and its application in fault diagnosis | |
Lin et al. | Application of the EEMD method to multiple faults diagnosis of gearbox | |
CN113375930B (zh) | 左右势阱粒子跃迁速率差异诱发共振增强机械瞬态特征提取方法 | |
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 | |
CN116304808A (zh) | 基于分数阶随机共振的旋转机械故障诊断方法 | |
CN111582248A (zh) | 一种基于svd的齿轮箱信号降噪方法 | |
KR102376920B1 (ko) | 발전기 고정자의 웨지 체결 강도 진단 방법 | |
CN115266094A (zh) | 基于tvd和med的滚动轴承故障诊断方法 | |
CN111323219B (zh) | 利用振动信号对行星齿轮箱损伤进行早期检测的方法 | |
Jiang et al. | Research on Gear Signal Denoising Method Based on CEEMD and SSA | |
Elbarghathi et al. | Multi-stages helical gearbox fault detection using vibration signal and Morlet wavelet transform adapted by information entropy difference |
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 |