[发明专利]一种齿轮故障诊断方法

说明书

本发明公开一种齿轮故障诊断方法，将广义线性Chirplet(调频小波)变换算法得到的时频图上的故障频率和循环周期判断出故障齿轮的位置，用于齿轮故障源的定位；同时将时域、频域和小波能量特征指标用于故障齿轮振动信号的特征提取，获取更加精细故障信息，利用粒子群优化的支持向量机对优化后的特征进行分类。通过将齿轮故障源定位和故障类型的识别相结合，能够提高诊断效率和增加识别精度，实现了齿轮故障的完整诊断。

技术领域

本发明涉及齿轮故障诊断技术领域，具体涉及一种齿轮故障诊断方法。

背景技术

近年来，随着我国经济的发展和科学技术水平不断提升，各种类型的机电装备被广泛应用到了工程实际中。而齿轮作为装备系统的重要传动部件，一旦发生故障，有可能造成财产损失，甚至会造成人员伤亡。因此，对齿轮故障进行及时诊断具有重要意义。

齿轮在出现故障时会发生振动，振动的频率不同，齿轮故障类型也不同。现有的齿轮故障诊断方法往往只针对识别齿轮故障的类型或者由循环频率判断出哪一级齿轮出现故障即故障源的定位提出具体的故障诊断方法，但在工程实际中齿轮箱内齿轮众多，如果只诊断出齿轮故障类型而不能确定故障源的位置，可能需要花费大量的时间和精力去寻找。齿轮箱由于结构复杂往往也不便拆卸，只诊断出齿轮故障源位置而不清楚具体故障的类型同样也很麻烦。

发明内容

本发明所要解决的是现有齿轮故障诊断方法无法同时识别出故障类型并对该故障进行定位的问题，提供一种齿轮故障诊断方法。

为解决上述问题，本发明是通过以下技术方案实现的：

一种齿轮故障诊断方法，包括步骤如下：

步骤1、通过振动传感器采集齿轮的原始振动信号；

步骤2、将步骤1所采集到的原始振动信号输入到广义线性调频小波变换算法中，通过广义线性调频小波变换算法输出的时频图可以得到故障频率和循环周期；

步骤3、将步骤2得到的故障频率与齿轮的实际啮合频率进行比较，以判断出齿轮的第几级传动出现了故障；

步骤4、由步骤2得到的循环周期计算出循环频率，并将循环频率和齿轮的转动频率进行比较，以判断出齿轮的哪个转轴出现了故障；

步骤5、综合上述步骤3关于故障频率和步骤4关于循环周期的分析结果，即可定位出齿轮的故障位置；

步骤6、通过振动传感器采集步骤5定位出的故障齿轮的故障振动信号；

步骤7、提取步骤6所采集到故障振动信号的时域特征和频域特征，并对采集到的故障振动信号进行小波分解，得到小波能量特征；上述时域特征、频域特征和小波能量特征构成特征集；

步骤8、将特征集进行正规化，得到经过正规化后的特征集；对于正规化后的特征集中的特征，根据每个特征的权重对特征进行选择，得到优化后的特征；

步骤9、将优化后的特征作为粒子群优化的支持向量机的输入，粒子群优化的支持向量机对故障类型进行分类从而识别出齿轮的故障类型；

步骤10、综合步骤5所定位出的齿轮故障位置和步骤9所识别出的齿轮故障类型，即可给出故障源定位和故障类型的综合诊断结论。

上述步骤1和6中，振动传感器为压电加速度传感器。

上述步骤7中，所提取的时域特征包括均值、峰值指标、均方根值、峰值因子、裕度指标和峭度；所提取的频域特征包括频率均值、中心频率、频率均方根和频率标准偏差。

与现有技术相比，本发明提出了一种以广义线性调频小波变换(GLCT)和特征提取与粒子群优化的支持向量机(PSO-SVM)为核心的齿轮故障诊断方法，辅助一般的操作人员，使其在不需要理解系统原理的情况下进行可靠的决策，具有下列显著优势：