[发明专利]一种高效齿轮故障模式识别方法有效
申请号: | 201810576763.9 | 申请日: | 2018-06-07 |
公开(公告)号: | CN108871760B | 公开(公告)日: | 2020-07-17 |
发明(设计)人: | 莫才颂;盘茂森;李石栋;陈华豪;李月明;张小勤 | 申请(专利权)人: | 广东石油化工学院 |
主分类号: | G01M13/021 | 分类号: | G01M13/021;G01M13/028 |
代理公司: | 深圳市千纳专利代理有限公司 44218 | 代理人: | 陈培华 |
地址: | 525000 *** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 高效 齿轮 故障 模式识别 方法 | ||
1.一种高效齿轮故障模式识别方法,其特征在于包括以下步骤:
第一步、初始信号的提取,采用振动加速度传感器获取齿轮箱的振动信号E;
第二步、故障区域轮廓E1的运算,根据初始信号E进行运算,排除偏弱信号,得到故障区域轮廓E1;
第三步、齿轮轮廓信息E2、E3的运算,运算故障区域轮廓E1的带方向梯度值得到齿轮轮廓信息E2、E3;
第四步、双阈值计算,根据故障区域轮廓E1和齿轮轮廓信息E3自动计算双阈值;
第五步、齿轮图像还原,对齿轮轮廓信息E3用双阈值方法检测、过滤并连接边缘,还原得到故障状态的齿轮图像;
第二步所述故障区域轮廓E1的运算包括以下过程:对初始信号E中的数据按数值由小到大进行排序,取排在全部数值70%处的数值大小的30%作为最低阈值,从初始信号E中排除小于最低阈值的边缘得到故障区域轮廓E1;
第三步所述齿轮轮廓信息E2、E3的运算包括以下步骤:采用平方误差代价函数讨论多类问题,共c类,共N个训练样本,误差项计算过程为:
公式中,表示第n个样本对应的标签的第k维,t表示第k维的向量,表示第n个样本对应的网络输出的第k个输出;对于多类问题,输出一般组织为“one-of-c”的形式,也就是只有该输入对应的类的输出节点输出为正,其他类的位或者节点为0或者负数,取决于你输出层的激活函数;sigmoid就是0,tanh就是-1;
基于在全部训练集上的误差只是每个训练样本的误差的总和,所以对于一个样本的BP、对于第n个样本的误差,表示为:
然后根据BP规则计算代价函数E关于网络每一个权值的偏导数;用l来表示当前层,当前层的输出可以表示为:
Xl=f(ul),with,ul=Wlxl-1+bl
在公式中,X代表输出,u代表输入,W代表权值,b代表偏置,其中l代表网络的第几层,最终得到齿轮轮廓信息E2、E3。
2.根据权利要求1所述的高效齿轮故障模式识别方法,其特征在于:第四步所述双阈值计算包括以下步骤:
d1、将齿轮轮廓信息E3中的非零点由小到大排序;
d2、取排在序列中L位的值做为上阈值,L等于E3中非零点数量减去E1中非零点数量的30%,L=len(E3)-len(E1)×0.3;
d3、取排在序列中Lx0.7位的值作为下阈值。
3.根据权利要求2所述的高效齿轮故障模式识别方法,其特征在于:第五步所述齿轮图像还原包括以下步骤:
e1、对大于上阈值的强信号进行过滤,滤除信号强度小于整数k的虚假强信号;
e2、将过滤后的强信号与大于下阈值的弱信号进行连接得到故障状态的齿轮图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东石油化工学院,未经广东石油化工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810576763.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种涡轮效率测量装置
- 下一篇:一种齿轮早期故障特征提取方法