[发明专利]基于加速度信号和边缘计算的减速机无线故障诊断方法

权利要求书

1.一种基于加速度和边缘计算的减速机无线故障诊断方法，其特征在于：包括以下步骤：

信号采集，采集减速机的加速度信号、转速信号和电流信号；

信号数据处理，在嵌入式边缘硬件上，对采集到的加速度信号与转速信号进行处理，实现特征值提取，在保留诊断算法所需的核心特征的前提下，大幅度降低通信数据量，同时得到特征数据集；得到的特征数据集包括时域特征值、时域同步平均信号特征值、时域同步平均信号频谱和时频域特征值；

时域特征值提取具体为：

原始加速度信号中提取的时域特征值用加速度有效值S_RMS来表示；

时域同步平均信号特征值提取具体为：

对原始加速度信号以减速机旋转周期为间隔去截取信号，然后将所截得的信号叠加平均，即可得到时域平均信号；时域同步平均信号特征值包括峭度K_s、偏度S_k、振幅因数C_f、形状因数S_f、方差V_a、脉冲因数I_f、平均值M_a；

时域同步平均信号频谱幅值提取具体为：

假设减速机有k个齿轮，频率包括减速机各个齿轮的转频f₁,f₂...,f_k以及各级齿轮之间的一阶啮合频率(M₁f₁,M₁f₂...,M₁f_k-1),二阶啮合频率(M₂f₁,M₂f₂...,M₂f_k-1)...,j阶啮合频率(M_jf₁,M_jf₂...,M_jf_k-1)，

原始加速度信号通过傅里叶变换得到的频谱幅值包括和

时频域特征值提取具体为：

峭度值K_s(A)、偏度值S_k(A)、振幅因数C_f(A)、形状因数S_f(A)、方差V_a(A)、脉冲因数I_f(A)、平均值M_a(A)；其中：A表示进行各个层次小波包分解后的信号集合；

无线传输，将在嵌入式边缘硬件上提取得到的特征数据通过无线传输到远程服务器；

分类处理，服务器对不同型号、不同工况的减速机的加速度数据进行分类；

机器学习，采集正常样本数据与故障样本数据，通过机器学习训练，得到故障诊断模型，从而实现故障诊断。

2.根据权利要求1所述的一种基于加速度和边缘计算的减速机无线故障诊断方法，其特征在于：所述信号采集具体为：

在输入轴的轴承座和输出轴的轴承座上都安装有边缘节点，高精度加速度传感器集成在边缘节点内部；

光电转速计外接在减速机的输入轴轴承座的边缘节点上；

电流传感器外接在单独的边缘节点上。

3.根据权利要求1所述的一种基于加速度和边缘计算的减速机无线故障诊断方法，其特征在于：

机器学习具体为：

根据对减速机的分类，每个减速机类型都建立对应的特征数据集；所述特征数据集包括以下特征值：

1)原始时域信号的有效值S_RMS；

2)时域同步平均信号的峭度K_s、偏度S_k、振幅因数C_f、形状因数S_f、方差V_a、脉冲因数I_f、平均值M_a；

3)时域同步平均信号频谱对应减速机齿轮转频的幅值

4)时域同步平均信号频谱对应减速机齿轮从1阶到j阶啮合频率的幅值

5)原始时域信号经过小波包分解后计算的特征值峭度K_s(A)、偏度S_k(A)、振幅因数C_f(A)、形状因数S_f(A)、方差V_a(A)、脉冲因数I_f(A)、平均值M_a(A)；其中A表示进行各个层次小波包分解后的信号集合；

采集减速机在正常工作下和在不同故障情况下的特征数据集，将数据集输入机器学习系统，进行训练，得到故障诊断模型。