[发明专利]一种单通道齿轮箱多故障分离双核微处理系统

说明书

本发明涉及一种单通道齿轮箱多故障分离的双核微处理系统，属于齿轮箱故障诊断技术与信号处理技术领域。本发明是DSP与ARM的双核微处理系统，其中DSP内核包括相空间重构参数估计模块、相空间重构模块、重构参数调整模块、重构信号分离模块、傅里叶变换模块，ARM内核包括时频域谱图绘制模块；本发明采用时间延迟重构法来扩展，避免了重构信号以经验为评判标准的人为干预；采用主成分分析法降低因齿轮箱中噪声和冗余对重构信号的影响；利用有限支持样本核函数与FastICA融合算法，估算源信号概率密度函数，进而得到符合源信号统计特性的非线性函数，最终实现信号有效分离。本发明在齿轮箱多故障分离上极大降低了重构参数与分离非线性函数选择不当的影响。

技术领域

本发明涉及齿轮箱故障诊断技术与信号处理分析技术领域，涉及一种单通道齿轮箱多故障分离双核微处理系统。

背景技术

齿轮箱是机械设备传递动力的重要机构，同时，也是机械故障诊断学中的重要研究对象之一。因此，开展齿轮箱故障诊断技术的研究对保障机械设备的安全运行有重要意义。而故障检测的难点在于复合故障，对于复合故障的数量的估计更是复合故障诊断的难点。为了掌握齿轮箱的运转状态，一般加速传感器拾取其振动信号。然而传感器只能安装在齿轮箱外表面，这导致了传感器采集的振动信号传递路径过长且为多个振动信号的复合，包含了各个部件的冗余振动，除齿轮箱本身存在冗余振动的影响，还存在来自采集通道的各种电子噪声及周围环境儿大噪声不同干扰源的影响，导致各个通道实际采集的源个数往往多于传感器的数量，这增加了诊断的难度，所以在实验室中一般安装多个传感器采集信号。但是在实际工程问题中出于成本问题以及环境问题，可能无法安装多个传感器，所以单通道盲源分离技术方案用于诊断齿轮箱混合故障就成为近年来的研究热点。

大多数盲源信号分离方法只适用于正定或超定情形，所以针对单通道这种特殊的欠定情况，提出了虚拟多通道的思路利用通道扩展技术将欠定转化为正定和超定情形，如申请公布号CN109029973 A，公布日为2018年12月18日的专利文献公开了一种实现单通道齿轮箱混故障诊断的方法，采用了经验模态分解(EMD)将信号映射到多个固有模态函数(IMF)，利用峭度准则和相关系数准则选取IMF分量再与源单通道信号重构成多通道信号，使单通道扩展为了多通道。然而，EMD具有差的抗锯齿效果，并且当源信号不是固有模态时它会失效。为了改善它，使用集合经验模式分解(EEMD)来分解单通道信号，如授权公告号CN107192553 B，公布日为2018年3月2日的专利文献公开了一种基于盲源分离的齿轮箱复合故障诊断方法，对降噪后的振动信号添加白噪声进行EEMD信号分解，克服了抗锯效果差的不足。但是对于此类扩展多通道信号的方法没有一个标准的评价指标，依旧依赖人类的判断，需要依据有关源信号的先验信息。在齿轮故障检测中，相空间重构技术的C-C方法可以将混合信号源映射到多维空间而无需人为干预。如授权公告号CN 106513879 B，公布日为2019年1月15日的专利文献公开了一种基于混沌理论的火花放电状态识别和检测方法，采用C-C方法求出重构参数进而对放电状态的相空间进行重构，避免了人为干预信号的扩展。理论上重构的信号等效于源信号，但前提是正确选择嵌入维数和延迟时间，不恰当的选择重构参数会导致重构误差。

此外，对扩展重构的信号还需进行分离，FastICA是基于独立分析(ICA)算法开发的一种自适应多通道盲源分离的快速算法，在盲源分离中较为广泛的应用。如授权公告号CN103575523 B,公布日为2015年12月9日的专利文献公开了一种基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法，采用基于负熵最大化的FastICA方法对所测多通道加速度信号进行解耦分离，使得采集得到的混合振动信号有效的分离开来。然而对于FastICA算法中非线性函数的选择会存在错误选择，使得FastICA算法陷入局部极端从而使得分离性能变差，所以对于非线性函数的选择至关重要，但很困难。

因此，有效减小重构参数的选择不当的影响与正确选择非线性函数对齿轮箱中多源故障分离至关重要。

发明内容