[发明专利]一种基于盲源分离的齿轮箱故障诊断方法

说明书

技术领域

    本发明涉及一种机械故障诊断方法，特别是涉及一种基于盲源分离的齿轮箱故障诊断方法。

背景技术

振动信号分析技术是机械设备状态检测与故障诊断的主要手段之一，已经形成了比较完备的理论与技术体系。但是在实际中状态监测与故障诊断系统中广泛采用多测点、多传感器的采集方式，在复杂的工况环境中，传感器拾取的信号往往是由不同信号源产生的混合信号，同时，与结构故障有关的振动信号常被结构振动和干扰噪声所污染，特别是早期故障信号往往十分微弱，信噪比低，这使得已有的特征提取与故障诊断方法受到了很大的影响，虚警率高，大大限制了在实际中的应用。近年来，作为一种一种新的信号处理方法，盲源分离理论具有广阔的应用前景，在机械设备故障诊断领域引入盲源分离方法，可以减小信                  号采集不挡的影响，并有效分离特征源信号盲源分离是指多个独立源信号共同传播时，在不需要了解传递通道情况下，从混合信号中分离源信号的一种方法。与以往的信号处理方法不如小波分析，到频谱分析等方法都是在故障源已知故障信号确定的情况下进行相应的分析，盲源分离方法中所知道的只是混合信号，“盲”含意是指对传递通道和输入源信号均未知，仅根据源信号具有相互独立性这一已知条件，从混合信号中提取源信号，进行系统盲辨识和输入信号盲均衡。

发明内容

本发明的目的在于提供一种基于盲源分离的齿轮箱故障诊断方法，本发明利用盲源分离技术可以有效地去除外来干扰，以提高故障诊断精度，解决实际中故障定位、早期故障诊断率低的难题。为大型机械设备齿轮箱故障识别诊断提供理论依据。

本发明的目的是通过以下技术方案实现的：

一种基于盲源分离的齿轮箱故障诊断方法，所述方法将盲源分离技术应用到基于振动分析的齿轮箱诊断中，作为信号预处理与故障特征提取的工具包括以下步骤：

1） 盲源信号分离：把若干观测到的混叠信号恢复成各自分离的信号；线性瞬态混叠模型，由于有噪声存在盲源分离实现起来比较困难，所以一般不考虑噪声的影响或者把噪声当作一个源信号处理；卷积混合模型，卷积混合模型是和实际环境更为接近的混合模型。

2） 故障诊断盲源分离模型的建立：不论线性盲源分离还是非线性盲源分离，这些盲源分离的算法都是由两部分构成：目标函数和最优化算法。通过优化目标函数来获得源信号的测定；即源分离算法是目标函数和最优化算法的有机结合；常用目标函数，目标函数是盲源分离的关键。因此采用不同的目标函数，盲源分离的所获得的结果也不相同；目标函数确定以后，就需要用一定的算法将其优化，以实现相互独立的要求，优化算法分批处理算法和自适应处理算法；

3）齿轮箱故障信号盲源分离，用盲源分离方法来对齿轮箱振动信号进行处理，频谱图中具有较多的频率成分，经过盲源分离后得到的分离信号的频谱故障特征明显，可以准确的提取故障特征频率。

所述的一种基于盲源分离的齿轮箱故障诊断方法，所述盲源分离的目标函数有：微分熵目标函数、互信息目标函数、负熵目标函数、高阶累积量目标函数：

所述的一种基于盲源分离的齿轮箱故障诊断方法，所述批处理算法和自适应处理算法，批处理算法中较成熟的有两种：成对旋转法和                                               旋转，自适应算法一般是与神经网络相接合。

所述的一种基于盲源分离的齿轮箱故障诊断方法，所述分离信号为齿轮箱轴承故障，其频谱峰值发生在100左右，故障频率为100；分离信号为齿轮箱齿轮啮合故障，其频谱峰值发生在200，故障频率为200。

本发明的优点与效果是：

1.本发明将盲源分离技术作为信号预处理与故障特征提取的主要工具，用于齿轮箱状态检测和故障诊断中。应用盲源分离中的ICA方法解决噪声的消除、弱信号的特征提取和多故障源的分离等问题。对故障曝气机WA5的齿轮箱振动信号进行盲源分离得到准确的故障信号，并根据故障振动信号频谱诊断出故障。利用盲源分离技术可以有效地去除外来干扰，以提高故障诊断精度，解决实际中故障定位、早期故障诊断率低的难题。

2.本发明应用盲源分离中的ICA方法解决噪声的消除、弱信号的特征提取和多故障源的分离等问题。对故障曝气机WA5的齿轮箱振动信号进行盲源分离得到准确的故障信号，并根据故障振动信号频谱诊断出故障。

附图说明

    图1　盲源信号分离的一般模型；

图2齿轮箱及测试点示意图；

图3 a原始混合实测信号1；

图3b原始混合实测信号2；