[发明专利]齿轮箱损伤的多小波自适应分块阈值降噪时域诊断方法

说明书

技术领域

本发明涉及机械设备故障诊断技术，特别涉及一种齿轮箱损伤的故障诊断方法。

背景技术

齿轮箱在运行中萌生的故障(即早期故障)，具有症状不明显，特征信息微弱，往往被机械设备运行过程中的强背景噪声所淹没，从而使得传动齿轮箱早期故障的动态监测、诊断与故障预示的难度不断增大。因此，如何对采集到的振动信号进行降噪处理，突出或提取有用特征信息是故障诊断和故障预示中的一个关键课题。

基于相邻小波系数之间具有相关性的特点，现有的降噪处理方法一般为分块阈值降噪，它是将相邻的小波系数作为一个整体进行阈值处理。其不足之处是：(1)分块阈值降噪方法根据经验选择邻域分块长度，往往产生很大的偏差；(2)在小波分解的每一层均使用全局阈值，而全局阈值并不是最优的。

发明内容

本发明的目的在于提供一种可解决背景技术所存在的问题的齿轮箱损伤的时域诊断方法，该方法首先利用获得的最优邻域分块长度和阈值，对多小波分解后的高频系数进行阈值处理；其次把低频系数和阈值处理后的高频系数进行多小波反变换，得到重构信号；然后分析信号中时域脉冲波形的周期性和规律性，并结合齿轮箱机理分析，有效提取出齿轮箱损伤特征。

为达到以上目的，本发明是采取如下技术方案予以实现的：

一种齿轮箱损伤的多小波自适应分块阈值降噪时域诊断方法，其特征在于：

（1）对含噪信号进行预处理，得到矢量输入信号；

（2）对矢量输入信号进行多小波分解，得到高频系数和低频系数；

（3）根据判断条件对高频系数进行阈值处理：符合条件时采用自适应邻域分块阈值算法，否则采用逐点比较算法，得到降噪后的高频系数；

（4）对低频系数和经过阈值处理后的高频系数进行多小波反变换，重构降噪后的矢量输出信号；

（5）对矢量输出信号进行后处理，得到一维降噪结果；

（6）通过分析降噪结果中的时域脉冲波形的周期性，提取出传动齿轮箱的损伤特征进行故障诊断。

其中，步骤3）所述的自适应邻域分块阈值算法包括下述步骤：

1)设含噪信号S是所关心的故障特征F与噪声E的叠加，可以表示为：

S=F+E

以2×2维多小波变换为例，S＝[s⁽¹⁾,s⁽²⁾]^T表示经过预处理后的2维振动信号，噪声E服从多元正态分布N(0,V_j)，在第k个邻域分块中，定义变量作为阈值降噪的基本变量，将其中向量化的系数转化为标量，矩阵V_j为多小波分解第j层的高频系数的协方差矩阵；

定义：

mad(y)=1.4826·median(|y-median(y)|)

式中，函数median()用于寻找数列y中的中位数，矩阵V_j可表达为：