CN114383839A - 基于距离度量边带能量比的行星齿轮箱故障诊断方法 - Google Patents

Abstract

本发明公开了一种基于距离度量边带能量比的行星齿轮箱故障诊断方法，包括如下步骤：S1、获取多种健康状态下的行星齿轮箱齿轮数据，并构建样本集；S2、通过傅里叶变换将时域信号映射到频域；S3、根据行星齿轮箱的固有参数和电机转动频率计算各特征频率，基于频谱分析获取各特征频率的幅值；S4、基于边带能量比算法计算各关键参数下样本的SER值，获得包含所有故障类型和样本的SER矩阵；S5、联合度量每个SER矩阵的故障类内距离和故障类间距离，获得SER性能指标，找到最优SER参数，即DMSER，并测试DMSER的诊断性能。本发明自适应地监测不同操作条件下行星齿轮箱的健康状况，关键参数是可动态更新的，能够完成不同工况的诊断任务。

Description

基于距离度量边带能量比的行星齿轮箱故障诊断方法

技术领域

本发明属于行星齿轮箱的故障诊断技术领域，具体涉及一种基于距离度量边带能量比(Distance Metric Sideband Energy Ratio，简称DMSER)的行星齿轮箱故障诊断方法。

背景技术

行星齿轮箱是大型机械设备的核心传动环节，具有紧凑性和高功率传动比的独特优势，广泛应用于航空航天、汽车、重型卡车和地下采煤设备等各种工业应用。由于服役环境的严酷性，如存在重载、极端天气、频繁变化的工况等，致使行星齿轮箱内部关键部件极易出现故障，进而引发灾难性事故。因此，监测行星变速箱的运行状况并及时进行故障诊断对于保障大型机械设备的可靠性以及国家资产的安全和人民生命和财产安全具有重要意义。

基于振动的特征频率分析是旋转机械健康状态监测和故障诊断的一种快速且高效方法。到目前为止，频谱分析法仍然是实际工程中最常用的条件监测方法。行星变速箱复杂的内部结构和运动特性会带来复杂的振动特征和复杂的频谱结构。具体来说，旋转部件、齿轮故障冲击、齿轮啮合频率的强调制将进一步增加频谱结构的复杂性。因此，如何提取和集成与齿轮故障相关的频率对于诊断成功至关重要。众所周知，齿轮啮合频率和齿轮故障频率引起的边频带成分是监测齿轮健康状态的显著性特征。基于对上述频率的分析，Hatch和Hanna等人在2011年提出了一种名为边带能量比(Sideband Energy Ratio，简称SER)的频谱分析方法，SER利用啮合频率两侧的前6个边频带幅值与啮合频率幅值的比值作为指标以诊断齿轮故障；2013年，Dempsey提出了一个边频带指数(Sideband Index，简称SI)。SI和SER的唯一区别是，SI选择啮合频率两侧的前三个边频带的振幅，而SER中选择前六个特征频率的幅值来诊断齿轮故障；2015年，Pattabiraman等人证明，SER是跟踪固定轴变速箱中齿轮故障特征的可靠指标。基于此，2018年，Zhang等人基于现象学模型探索了特征频率的幅度，提出了一种修正的SER，即修正边带能量比来处理转速波动问题。

SER可以成功对定轴齿轮箱实现故障诊断，得益于定轴齿轮箱齿轮故障引发边频带成分的单一性，即待监测齿轮啮合频率的故障特征边频带为齿轮的旋转频率引起。而行星齿轮系统中齿轮故障引起的边频带成分十分庞杂，若选择不恰当的边频带计算可能失去诊断能力甚至造成误诊。除此之外，SER为经验性选取指标，其关键参数即带数和带宽也是经验选取的，这限制了该方法的应用与发展。

发明内容

本部分的目的是在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

综上所述，本发明的目的就是结合边带能量比的频谱分析方法提出一种能提高对行星齿轮箱故障诊断能力的方法。

为了实现以上目的可以通过以下技术方案来实现：

基于距离度量边带能量比(Distance Metric Sideband Energy Ratio，简称DMSER)的行星齿轮箱故障诊断方法，该方法包括如下步骤：

S1、获取多种健康状态下的行星齿轮箱齿轮数据，并构建样本集；

S2、通过傅里叶变换将时域信号映射到频域；

S3、根据行星齿轮箱的固有参数和电机转动频率计算各特征频率，基于频谱分析获取各特征频率的幅值；

S4、基于SER算法，计算各带数和带宽下，每个样本的SER值。每种SER参数下，获得包含所有故障类型和故障样本的SER矩阵；

S5、每个SER矩阵的行代表故障类型，列代表样本数。度量每个SER矩阵的故障类内距离和故障类间距离，获得在每种带数和带宽参数下SER性能指标，，找到最优的带数和带宽，即DMSER，并测试DMSER的诊断性能。

进一步的，基于SER指标计算各故障类型样本的SER值，得到SER矩阵。

进一步的，每个SER矩阵的行代表故障类型，列代表样本数，其模型为：

其中f表示故障类型，n表示每种故障类型中样本的数量，边带数为h，带宽为d。

进一步的，度量SER矩阵的故障类内、类间距离以评估SER的诊断性能。

进一步的，联合度量故障类内、类间距离，以得到最佳的SER参数，即最佳的带数和带宽，即得到DMSER。

进一步的，基于两种距离度量方式——故障类内、类间距离度量搜索最佳参数，最佳边带数h^*和带宽d^*通过故障类内、类间距离联合度量确定：

其中

为每种带宽和带数下最小故障类间距离，

M_d,h为故障类间距离度量的指标；

其中

为每个故障类型的方差，即故障类内距离度量的指标，w₁,w₂,…,w_f+1为权重，X_d,h为故障类内和类间距离联合度量的指标：

其中

表示在最佳边带数h^*和带宽d^*下的故障类内、类间距离联合度量指标；

在这种情况下，获得相关操作条件的最佳SER即DMSER：

DMSER＝SER{h^*,d^*}

基于操作条件的训练数据获得DMSER，用于剩余的振动数据。

与现有技术相比，本发明具有的优点和积极效果如下。

1、本发明中的距离度量边带能量比，自适应地监测不同操作条件下行星齿轮箱的健康状况，DMSER中的关键参数，即边带数和带宽，是动态考虑的，经过训练的DMSER可直接用于剩余数据，能够完成不同工况的诊断任务；

2、本发明中的距离度量边带能量比，其关键参数是通过故障类内距离和故障类间距离联合确定的，并可随输入数据进行动态优化；

3、相对于传统的SER方法，本发明基于距离度量边带能量比的行星齿轮箱故障诊断方法对于不同齿轮部件的多类故障具有更高的识别精度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图：

图1为本发明公开的一种基于距离度量边带能量比的行星齿轮箱故障诊断方法的一种具体实施方式的流程图；

图2为本发明所用到的动态传动与模拟实验台(Drivetrain DynamicsSimulator，简称DDS)示意图；

图3为太阳轮和行星轮的健康状态和故障状态的齿轮实物图；

图4(a)为时域信号图；

图4(b)为频域信号图；

图5(a)为DMSER指标度量故障类内距离的具体方案图；

图5(b)为DMSER指标度量故障类间距离的具体方案图；

图6(a)为基于DMSER指标得到的最优带数下的故障诊断结果图；

图6(b)为基于DMSER指标得到的最优带宽下的故障诊断结果图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸

再次，需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明的具体实施例做详细说明。

如图1-图6(b)所示，本发明公开了一种基于距离度量边带能量比的行星齿轮箱故障诊断方法，包括如下步骤：

S1、获取多种健康状态下的行星齿轮箱齿轮数据，包括1种健康状态、3种太阳轮故障类型和3种行星轮故障类型，并构建样本集；

S2、通过傅里叶变换将时域信号转换到频域；

S3、根据行星齿轮箱的固有参数和电机转动频率计算特征频率，基于频谱分析获取各特征频率的幅值；

S4、基于SER算法，计算各带数和带宽下，每个样本的SER值。每种SER参数下，获得包含所有故障类型和故障样本的SER矩阵；

S5、每个SER矩阵的行代表故障类型，列代表样本数。度量每个SER矩阵的故障类内距离和故障类间距离，获得在每种带数和带宽参数下SER性能指标，，找到最优的SER参数，即DMSER，并测试DMSER的诊断性能。

进一步的，基于SER指标计算各故障类型样本的SER值，得到SER矩阵。

进一步的，每个SER矩阵的行代表故障类型，列代表样本数，其模型为：

其中f表示故障类型，n表示每种故障类型中样本的数量，边带数为h，带宽为d。

进一步的，度量SER矩阵的故障类内、类间距离以评估SER的诊断性能。

进一步的，联合度量类内、类间距离，以得到最佳的SER参数，即DMSER。

进一步的，基于两种距离度量方式——类内、类间距离度量搜索最佳参数，最佳边带数h^*和带宽d^*通过类内类间距离联合度量确定。

当齿轮发生故障时，故障啮合将定期调整齿轮啮合频率，此外，相对旋转组件也会调节齿轮啮合频率，考虑到调幅(Amplitude Modulation，AM)和调频(FrequencyModulation，FM)的影响，传感器感知到的振动可以建模为：

式中x_fault(t)表示具有齿轮故障的振动信号模型，f_rotate、f_fault和f_mesh分别是故障部件的转动频率、故障啮合频率和齿轮啮合频率。表1列出了不同类型的齿轮故障时，f_rotate、f_fault、A_f和B_f的值。

表1太阳轮和行星轮参数解释

对于表1中的太阳轮故障，f_rotate为太阳轮轴的旋转频率，f_fault为太阳轮故障啮合频率。对于行星轮故障，f_rotate为行星架的旋转频率，f_fault为行星轮故障啮合频率。φ、

θ分别为齿轮故障啮合的AM指数、FM指数和振动的初始相位。A_s、B_s、A_p、B_p分别为太阳轮齿轮故障啮合的AM、FM指数和行星轮齿轮故障啮合的AM、FM指数。

x_main(t)为与齿轮故障相关的信号模型：

其中C表示时变传输路径的影响，J_l(B_f)表示整数l的第一类贝塞尔函数，参数B_f由以下公式计算：

其中Γ(·)是伽玛函数，l和s是整数。

根据贝塞尔函数的性质，当l＝0时，即J_l(B_f)对模型的贡献大于其他阶数，因此应重点关注。此外，进一步考虑故障特征频率的谐波调制，x_main(t)变为：

其中h为整数，A_hf表示第h个故障AM指数命令。参照上式，得到特征频率的幅值：

取前六个边频带的幅值总和与啮合频率的幅值之间的比值作为SER，因此，可以根据下式表示：

其中Sideband amplitude表示边频带的幅值，Meshing frequency’s amplitude表示啮合频率的幅值。

根据上式，SER消除了J_O(B_hf)的不确定性，只与故障特征相关，从而成为可靠的诊断指标。

虽然理论上已经证明SER是一个实用的故障指示指标，但为什么选择前六个边频带形成SER的原因并不明确,此外，用于计算振幅能量的特征频率的带宽设置是根据经验选择的。在这种情况下，固定边带数和带宽可能会限制其对不同操作条件的诊断能力。为此，将针对行星齿轮箱在不同运行条件下的自适应诊断任务提出一种基于距离度量的SER方法。

边带数h和带宽d是决定SER诊断性能的关键参数。因此，随着h和d的值的变化，SER矩阵可以构造为：

其中f表示故障类型，n表示每种故障类型中样本的数量，边带数为h，带宽为d。

为了实现故障的精确诊断，找到最优的SER指标参数，基于两种距离度量方式——类内、类间距离度量，并搜索最佳参数。最佳边带数h^*和带宽d^*通过类内、类间距离联合度量确定。

M_d,h为故障类间距离度量的指标，其中

表示带宽为d、带数为下的h最小故障类间距离，

其中

为每个故障类型的方差，即故障类内距离度量的指标，w₁,w₂,…,w_f+1为权重，X_d,h为故障类内和类间距离联合度量的指标。

其中

表示在最佳边带数h^*和带宽d^*下的故障类内、类间距离联合度量指标。

在这种情况下，可以获得相关操作条件的最佳SER即DMSER。

DMSER＝SER{h^*,d^*}

一旦基于操作条件的训练数据获得DMSER，它就可以直接用于剩余的振动数据。

在实际应用的过程中，使用动态传动与模拟实验台(Drivetrain DynamicsSimulator，简称DDS)采集行星齿轮箱不同故障下的振动信号，实验台主要包括一台伺服驱动电机；输入、输出扭矩编码器各一个；一台行星齿轮箱；水平、垂直两个方向加速度传感器(100mv/g)获取数据；一台定轴齿轮箱以及一台可编程磁力制动器，行星齿轮箱的装配齿轮参数如表2所示。

表2行星齿轮箱装配齿轮参数

齿轮参数	数值
		太阳轮齿数	28
行星轮齿数	36
		齿圈齿数	100
行星轮数	4

对于太阳齿轮故障的情况，在电动机转速为3000RPM的工况下，分别采集28类齿轮健康状态的振动数据，采集时间为4.8s，采样频率设置为7680Hz。对于行星齿轮故障的情况，在电动机转速为2500RPM的工况下，分别采集28类齿轮健康状态的振动数据，采集时间为4.8s，采样频率设置为25600Hz。特征频率如表3所示。

表3太阳齿轮、行星齿轮实验研究的特征频率

如图4所示，对时域信号进行傅里叶变换，得到频谱信号。

根据行星齿轮箱的固有参数和电机转动频率计算特征频率，基于频谱分析获取各特征频率的幅值。

基于SER指标计算各故障类型样本的SER值，得到SER矩阵。

如图6所示，分别度量每个SER矩阵的类内距离和类间距离。

联合评估在每种带宽和带数下SER指标的性能，找到最优的带数和带宽，即DMSER。

如图6所示，将测试集用于最佳参数下的DMSER指标。

实验结果表明，本发明的基于距离度量边带能量比的行星齿轮箱故障诊断方法对于不同齿轮部件的多类故障具有更高的识别精度。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围，这些改变均应属于本发明的保护范围。

Claims (6)

1.基于距离度量边带能量比的行星齿轮箱故障诊断方法，其特征在于，包括如下步骤：

S1、获取多种健康状态下的行星齿轮箱齿轮数据，并构建样本集；

S2、通过傅里叶变换将时域信号映射到频域；

S3、根据行星齿轮箱的固有参数和电机转动频率计算特征频率，基于频谱分析获取各特征频率的幅值；

S4、基于SER算法，计算各关键参数，即带数和带宽下，每个样本的SER值。每种SER参数下，获得包含所有故障类型和故障样本的SER矩阵；

S5、联合度量每个SER矩阵的故障类内距离和故障类间距离，获得在每种带数和带宽参数下SER性能指标，找到最优SER参数，即DMSER，并测试DMSER的诊断性能。

2.根据权利要求1所述的基于距离度量边带能量比的行星齿轮箱故障诊断方法，其特征在于，基于SER指标计算各故障类型样本的SER值，得到SER矩阵。

3.根据权利要求2所述的基于距离度量边带能量比的行星齿轮箱故障诊断方法，其特征在于，每个SER矩阵的行代表故障类型，列代表样本数，其模型为：

其中f表示故障类型，n表示每种故障类型中样本的数量，边带数为h，带宽为d。

4.根据权利要求1所述的基于距离度量边带能量比的行星齿轮箱故障诊断方法，其特征在于，联合度量SER矩阵的故障类内、类间距离，以评估当前参数下SER的诊断性能。

5.根据权利要求1所述的基于距离度量边带能量比的行星齿轮箱故障诊断方法，其特征在于，联合度量SER矩阵的故障类内、类间距离，以得到最佳的SER参数，即DMSER。

6.根据权利要求5所述的基于距离度量边带能量比的行星齿轮箱故障诊断方法，其特征在于，基于两种距离度量方式——故障类内、类间距离度量并搜索最佳参数，最佳边带数h^*和带宽d^*通过故障类内、类间距离联合度量确定：

其中

为每种带数和带宽下最小故障类间距离，

M_d,h为故障类间距离度量的指标；

其中

为每个故障类型的方差，即故障类内距离度量的指标，w₁,w₂,…,w_f+1为权重，X_d,h为故障类内距离和故障类间距离联合度量的指标：

其中

表示在最佳边带数h^*和带宽d^*下的故障类内、类间距离联合度量指标；

在这种情况下，获得相关操作条件的最佳SER，即DMSER：

DMSER＝SER{h^*,d^*}

基于操作条件的训练数据获得DMSER，用于剩余的振动数据。

Images