[发明专利]一种基于VMD的齿轮振动信号降噪及故障诊断方法

权利要求书

1.一种基于VMD的齿轮振动信号降噪及故障诊断方法，其特征在于，包括以下步骤：

1)采集齿轮在正常运行状态、点蚀故障、磨损故障以及断齿故障下的振动信号x_w(n)＝{x_w(1),...,x_w(N)}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，分别代表正常运行状态、点蚀故障状态、磨损故障状态、断齿故障状态；n为第w组数据中第n个数据点，n∈(1,N)；

2)对x_w(n)＝{x_w(1),...,x_w(N)}中正常运行状态下的原始振动信号x₁(n)进行VMD-模平方阈值处理；

3)将所有齿轮振动信号x_w(n)按照步骤2)进行VMD-模平方阈值处理，得到处理后的信号

4)提取处理后的信号的每组信号的峭度和均方根值组成特征向量K和R；

5)利用PNN进行故障诊断；

所述步骤2)中，VMD-模平方阈值处理步骤如下：

2.1)首先对信号x₁(n)进行VMD分解；

2.2)原始振动信号x₁(n)经VMD后分解为k个模态分量IMF₁,IMF₂,‥‥,IMF_k，对每个IMF分量进行模平方阈值处理；

2.3)将模平方阈值处理后的分量重构，得到重构后的信号

2.如权利要求1所述的降噪及故障诊断方法，其特征在于：所述步骤2.1)中，VMD分解的步骤为：

2.1.1)令m＝0,初始化第k个模态函数u_k记为当前模态函数功率谱的中心ω_k记为和m＝0为所对应的傅里叶变换λ¹，其中m为迭代次数；λ为所对应的傅里叶变换；k为原始振动信号x₁(n)进行VMD分解后得到的模态个数；

2.1.2)根据式更新u_k；

根据式更新ω_k；

根据式更新λ；

其中u_i为第i个模态函数，i≠k；为第k个模态的第m-1次迭代的模态函数；相当于第m次迭代时对当前剩余量x₁-∑_i≠ku_i的维纳滤波；ω为中心频率；ω_k为第k个模态的中心频率；为第k个模态的第m-1次迭代的中心频率；为m次迭代模态函数功率谱的中心；λ^m为第m-1次迭代所对应的傅里叶变换；λ^m+1为第m次迭代所对应的傅里叶变换；α为惩罚因子；

2.1.3)根据收敛条件判断结果是否满足；e为预先设定的允许误差，若满足则停止迭代，否则返回步骤2.1.2)。

3.如权利要求1所述的降噪及故障诊断方法，其特征在于：所述步骤2.2)中，对每个IMF分量进行模平方阈值处理的步骤为：

2.2.1)对IMF_t分量进行小波阈值降噪，首先选择小波分解的分解层数为3层与小波基函数db5，对滚动轴承原始振动信号采用小波分解函数wavedec进行分解；其中，t∈(1,k)；

2.2.2)提取小波分解后振动信号的每层的细节系数cd₁，cd₂，cd₃与最后一层的近似系数ca₃，运用模平方阈值方法对每层的细节系数进行处理，得到新的细节系数

2.2.3)将步骤2.2.2)得到的新的细节系数与最后一层的近似系数ca₃组成新的小波分解结构，利用小波重构函数waverec进行小波重构，重构后得到的信号即为模平方阈值降噪后的信号。