[发明专利]一种基于离散随机分离算法的齿轮状态监测指标提取方法

说明书

一种基于离散随机分离算法的齿轮状态监测指标提取方法，计算基准信号一倍啮合阶次的1～4倍边频幅值的最大值f_max与最小值f_min，然后计算待测信号的一倍啮合阶次的1～4倍边频幅值f，最后求解监测指标，结合所求的最大值f_max、最小值f_min、边频幅值f进行差谱计算，然后将每根谱线的差谱值累加求和作为监测指标；本发明实现了反映齿轮运行状态监测指标的提取，通过振动加速度信号，准确提取特定齿轮的状态信息，从而实现齿轮的状态监测。

技术领域

本发明属于齿轮故障诊断领域，具体涉及一种基于离散随机分离算法的齿轮状态监测指标提取方法。

背景技术

齿轮作为机械设备中一种必不可少的连接和传递动力的通用零部件，在金属切削机床、航空、电力系统、农业机械、运输机械、冶金机械等现代工业设备中得到广泛应用。但由于其本身结构复杂、工作环境恶劣等原因，齿轮及齿轮箱易受到损害和出现故障，直接影响设备的安全可靠运行，埋下重大安全隐患。因此，通过提取准确、有效的齿轮运行状态指标，实现齿轮状态监测显得十分重要。

齿轮本身存在缺陷或故障，或是轴弯曲等故障均会引起齿轮异常振动，振动信号主要表现为调制行为，调制的载波频率是啮合频率及其倍频，调制信号为故障轴的旋转频率及其高次谐波，故障程度不同，调制程度不同。因此，通过提取调制信号可以有效实现齿轮的状态监测，但由于齿轮箱振动信号信噪较差，尤其是低速轴齿轮的边频往往被噪声淹没，提取较难。如何有效提取边频信息，并用于齿轮状态监测是研究的重点与难点。J.Antoni提出离散随机分离(Discrete random separation，简写DRS)方法，可实现平稳调制信号与冲击信号的解耦，但是目前还没有将其用于齿轮状态监测指标提取的文献公开。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于离散随机分离算法的齿轮状态监测指标提取方法，有效提取边频信息，实现了齿轮箱的状态监测。

为了达到上述目的，本发明采取的技术方案为：

一种基于离散随机分离算法的齿轮状态监测指标提取方法，包括以下步骤：

1)计算基准信号一倍啮合阶次的1～4倍边频幅值的最大值与最小值：先采集M组正常状态振动加速度信号，分别对每组信号数据进行阶次分析，并设计第一DRS滤波频响函数H(f)，并通过第一DRS滤波频响函数H(f)分离随机离散信号，得到第一平稳调制信号；将第一平稳调制信号进行Elliptic滤波，获取齿轮1倍啮合阶次的1～4倍边频，记作fⁱ，其中i＝1,…,8，构成M×i矩阵A，计算矩阵A每列最大值及最小值作为基准状态的上下阈值，即向量f_max，f_min；

2)计算待测信号的一倍啮合阶次的1～4倍边频幅值：先采集一组待测状态振动加速度信号，然后对该组信号数据进行阶次分析，并设计第二DRS滤波频响函数H(f)，通过第二DRS滤波频响函数H(f)分离随机离散信号，得到第二平稳调制信号；将第二平稳调制信号进行Elliptic滤波，获取齿轮1倍啮合阶次的1～4倍边频，记作f^j，其中j＝1,…,8，构成向量f；

3)求解监测指标：结合所求的向量f_max，f_min，f进行差谱计算，然后将每根谱线的差谱值累加求和作为监测指标,记作S。

步骤1)与步骤2)中所述的DRS滤波频响函数H(f)表达式如下：

其中，ρ代表信噪比，N代表滤波器长度，W(f)代表窗函数的谱图。

步骤3)中的差谱计算准则如下式所示：

本发明的有益效果为：