智能化齒輪箱故障診斷方法
【專利摘要】一種智能化齒輪箱故障診斷方法，包括：利用傳感器獲取齒輪箱的包含故障信號(hào)和噪聲信號(hào)的采集信號(hào)；通過小波包處理對(duì)采集信號(hào)進(jìn)行降噪處理，以去除采集信號(hào)中的噪聲信號(hào)并提取故障信號(hào)；利用小波包分解對(duì)故障信號(hào)進(jìn)行分解，從而提取故障信號(hào)的特征能量的特征向量；對(duì)故障信號(hào)的特征能量的特征向量進(jìn)行歸一化處理以得到最終提取的特征向量，并且將最終提取的特征向量作為神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的輸入?yún)⒘?；神?jīng)網(wǎng)絡(luò)專家系統(tǒng)通過利用訓(xùn)練樣本進(jìn)行仿真和訓(xùn)練，得到一套規(guī)則形成神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)診斷機(jī)制；神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)根據(jù)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)診斷機(jī)制，基于最終提取的特征向量，做出故障診斷。
【專利說明】智能化齒輪箱故障診斷方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信號(hào)處理領(lǐng)域，更具體地說，本發(fā)明涉及一種智能化齒輪箱故障診斷 方法。

【背景技術(shù)】
[0002] 齒輪箱作為連接和傳遞動(dòng)力的通用部件，在現(xiàn)代工業(yè)設(shè)備中得到了廣泛的應(yīng)用。 齒輪傳動(dòng)的特點(diǎn)決定了齒輪也是一個(gè)易于發(fā)生故障的部件，實(shí)際上齒輪箱的使用過程不可 避免地會(huì)出現(xiàn)故障，例如由于老化或環(huán)境而導(dǎo)致故障。
[0003] 齒輪箱的運(yùn)行狀態(tài)對(duì)整機(jī)的工作性能有很大的影響。因此，齒輪箱的故障診斷技 術(shù)一直都是人們研宄的重要課題。正確地對(duì)齒輪箱的故障做出診斷，是很重要的。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是針對(duì)現(xiàn)有技術(shù)中存在上述缺陷，提供一種能夠正確 地對(duì)齒輪箱的故障做出診斷的智能化齒輪箱故障診斷方法。
[0005] 為了實(shí)現(xiàn)上述技術(shù)目的，根據(jù)本發(fā)明，提供了一種智能化齒輪箱故障診斷方法，包 括：
[0006] 第一步驟：利用傳感器獲取齒輪箱的包含故障信號(hào)和噪聲信號(hào)的采集信號(hào)；
[0007] 第二步驟：通過小波包處理對(duì)采集信號(hào)進(jìn)行降噪處理，以去除采集信號(hào)中的噪聲 信號(hào)并提取故障信號(hào)；
[0008] 第三步驟：利用小波包分解對(duì)故障信號(hào)進(jìn)行分解，從而提取故障信號(hào)的特征能量 的特征向量；
[0009] 第四步驟：對(duì)故障信號(hào)的特征能量的特征向量進(jìn)行歸一化處理以得到最終提取的 特征向量，并且將最終提取的特征向量作為神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的輸入?yún)⒘浚?br> [0010] 第五步驟：神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)通過利用訓(xùn)練樣本進(jìn)行仿真和訓(xùn)練，得到一套規(guī)則 形成神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)診斷機(jī)制；
[0011] 第六步驟：神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)根據(jù)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)診斷機(jī)制，基于最終提取的 特征向量，做出故障診斷。
[0012] 優(yōu)選地，在第三步驟中，將故障信號(hào)從低頻到高頻分為8個(gè)頻帶，由此得到：S= S31+S32+S33+S34+S35+S36+S37+S38，其中S為故障信號(hào)的經(jīng)小波包重構(gòu)信號(hào)；Sij為Xij的單支重構(gòu) 信號(hào)，Xij為經(jīng)過消噪處理后用小波包對(duì)故障信號(hào)進(jìn)行分解的第i層的第j個(gè)結(jié)點(diǎn)的分解系 數(shù)，其中i= 1，2, 3,j= 1，2,...，2S其中，Sij對(duì)應(yīng)的能量為：

【權(quán)利要求】
1. 一種智能化齒輪箱故障診斷方法，其特征在于包括： 第一步驟：利用傳感器獲取齒輪箱的包含故障信號(hào)和噪聲信號(hào)的采集信號(hào)； 第二步驟：通過小波包處理對(duì)采集信號(hào)進(jìn)行降噪處理，以去除采集信號(hào)中的噪聲信號(hào) 并提取故障信號(hào)； 第三步驟：利用小波包分解對(duì)故障信號(hào)進(jìn)行分解，從而提取故障信號(hào)的特征能量的特 征向量； 第四步驟：對(duì)故障信號(hào)的特征能量的特征向量進(jìn)行歸一化處理以得到最終提取的特征 向量。
2. 根據(jù)權(quán)利要求1所述的智能化齒輪箱故障診斷方法，其特征在于第四步驟還包括： 將最終提取的特征向量作為神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的輸入?yún)⒘俊?br> 3. 根據(jù)權(quán)利要求2所述的智能化齒輪箱故障診斷方法，其特征在于還包括： 第五步驟：神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)通過利用訓(xùn)練樣本進(jìn)行仿真和訓(xùn)練，得到一套規(guī)則形成 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)診斷機(jī)制。
4. 根據(jù)權(quán)利要求3所述的智能化齒輪箱故障診斷方法，其特征在于還包括： 第六步驟：神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)根據(jù)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)診斷機(jī)制，基于最終提取的特征 向量，做出故障診斷。
5. 根據(jù)權(quán)利要求4所述的智能化齒輪箱故障診斷方法，其特征在于，在第三步驟中， 將故障信號(hào)從低頻到高頻分為8個(gè)頻帶，由此得到：S=S31+S32+S33+S34+S35+S36+S37+S38， 其中S為故障信號(hào)的經(jīng)小波包重構(gòu)信號(hào)；Sij為Xu的單支重構(gòu)信號(hào)，X^為經(jīng)過消噪處理 后用小波包對(duì)故障信號(hào)進(jìn)行分解的第i層的第j個(gè)結(jié)點(diǎn)的分解系數(shù)，其中i= 1，2, 3， j=1，2,…，21;其中，S。對(duì)應(yīng)的能量為：1? =IlsijCl)feft= Q=1，2,3,j= ?-1 1，2，...，2〇 ;而且其中，Xjk (k= 1，2，...，η)表示重構(gòu)信號(hào)Sij離散點(diǎn)的幅值；得到信號(hào)的 特征向量T= [E31，E32,E33,E34,E35,E36,E37,E38]。
6. 根據(jù)權(quán)利要求2所述的智能化齒輪箱故障診斷方法，其特征在于，在第四步驟中，設(shè)
導(dǎo)到最終提取的特征向量表示為：T'= [Ε31/Ε，Ε32/Ε，Ε33/Ε，Ε34/Ε，Ε35/Ε，Ε36/Ε，Ε37/Ε，Ε38/Ε]，將此向量作為神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的輸 入進(jìn)行模式識(shí)別。
7. 根據(jù)權(quán)利要求3所述的智能化齒輪箱故障診斷方法，其特征在于，在第五步驟中，神 經(jīng)網(wǎng)絡(luò)專家系統(tǒng)通過訓(xùn)練樣本得到神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的隱知識(shí)庫。
8. 根據(jù)權(quán)利要求7所述的智能化齒輪箱故障診斷方法，其特征在于，隱知識(shí)庫中包括 用于做出故障診斷的隱含故障特征。
【文檔編號(hào)】G01M13/02GK104458250SQ201410722565
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月2日 優(yōu)先權(quán)日:2014年12月2日
【發(fā)明者】高志飛, 徐永斌, 謝源, 李松蔚 申請(qǐng)人:上海電機(jī)學(xué)院