科创中国
一种基于双树复小波变换－熵特征融合的行星齿轮故障诊断方法
发布时间: 2022-01-07
基本信息
合作方式：
技术服务
成果类型：
发明专利,新技术
行业领域：
采矿业
成果介绍
一、项目意义
行星齿轮经常应用在低速、重载、高强度、高污染的工作场合，其故障的发生已经 成为影响设备可靠、稳定运行的主要因素。由于行星齿轮自身是一个强非线性系统，同时在 工作过程中遭受外界工作环境干扰，导致行星齿轮发生故障不易觉察，所采集的振动信号 表现出非线性、非平稳、强耦合特性。研究适合处理行星齿轮故障产生的非平稳振动信号的 信号处理方法，实现行星齿轮故障的准确诊断是目前研究的难点与热点。
目前，振动信号处理方法在很大程度上促进了行星齿轮故障诊断技术的发展，时 频分析是其研究的热点，主要的时频分析方法有：STFT变换、Wigner-Ville分布、EMD分解、 小波分解等。其中STFT变换、Wigner-Ville分布针对平稳信号具有很好的分析效果，但是并 不适用复杂的非平稳振动信号。EMD分解是一种自适应的信号分解方法，其将复杂的非平稳 信号分解成简单的本证模态函数，但是EMD分解具有2个非常明显的缺点，即模态混叠和端 点泄露。小波分解经过多年发展，已被成功的应用于复杂非平稳振动信号分解处理领域，但 是小波分解同样存在频率泄露、频率混叠、平移敏感性及方向选择少等不足，这些缺点导致 信号细节信息丢失或结果不精确等后果。随着实数域小波向复数域小波发展，双树复小波 变换被提出，与普通小波变换相比，双树复小波变换具有平移不变性、抗混叠效应和多方向 选择等性质。
二、技术方案
(1)采集综合模拟实验台数据，得到行星齿轮壳体原始振动信号；
(2)采用双树复小波变换对原始振动信号进行分解，提取各频带的信号成分；
(3)从多角度构建熵特征提取模型，获得高维原始特征；
(4)利用核Fisher判别分析方法对多种熵特征构成的原始特征集合进行降维处 理，确定一组最佳鉴别向量，提取原始特征在最佳鉴别向量的投影作为敏感故障特征，并以 此确定故障类型；
(5)验证从多角度、多空间描述特征信息的必要性以及在此基础上采用KFDA方法 进行特征降维的有效性。
三、技术优点
方法适用于非线性、非平稳和强耦合特性的行星 齿轮振动信号，能够有效提取敏感故障特征，实现行星齿轮的准确诊断，一定程度上丰富和 完善了行星齿轮故障诊断方法，结果准确可靠，适用于大型重载机械的行星齿轮箱状态监 测与诊断。
成果亮点
团队介绍
成果资料
下载app