[发明专利]一种齿轮系统复合故障特征提取方法及故障试验装置有效
申请号: | 201910479022.3 | 申请日: | 2019-06-01 |
公开(公告)号: | CN110132578B | 公开(公告)日: | 2019-12-24 |
发明(设计)人: | 周晓勤;赫修智;王荣奇;刘强;伍健;马润达 | 申请(专利权)人: | 吉林大学 |
主分类号: | G01M13/021 | 分类号: | G01M13/021;G01M13/028 |
代理公司: | 22100 吉林长春新纪元专利代理有限责任公司 | 代理人: | 魏征骥 |
地址: | 130012 吉*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 齿轮系统 复合故障 包络功率 故障试验 特征提取 振动信号 分解 机械设备故障诊断 采集 加速度传感器 齿轮箱体 工业现场 故障特征 故障诊断 经济成本 频率分布 时间成本 时域转换 替代试验 最佳参数 谱分析 有效地 自适应 分模 频域 时域 实测 试验 应用 优化 | ||
1.一种齿轮系统复合故障特征提取方法,其特征在于,包括下列步骤:
步骤1:通过布置在齿轮箱体表面的加速度传感器,采集得到时域上的齿轮系统振动信号f,即f为振幅关于时间的函数;
步骤2:应用自适应优化的变分模态分解(VMD)方法对采集的齿轮系统振动信号f进行分解;
步骤2.1:初始化人工蜂群算法(ABC)中的参数:种群数量NP,最大迭代次数MCN,跳出局部循环阈值limit;初始化VMD方法中的模态数量K和平衡系数α的搜索范围区间;
步骤2.2:应用ABC算法对VMD的参数组合[K,α]进行自适应优化选取;
步骤2.3:应用带有最优参数组合[Kbest,αbest]的VMD对齿轮系统振动信号f进行分解,得到Kbest个模态
步骤3:对分解后得到的所有子信号、即模态进行包络功率谱分析,将所有子信号从时域转换到频域,得到所有子信号在包络功率谱上的频率分布情况,从而实现故障特征的提取。
2.根据权利要求1所述一种齿轮系统复合故障特征提取方法,其特征在于:所述的步骤2中,ABC算法对VMD的参数组合[K,α]进行最优选取的步骤是:在ABC算法中,先根据模态数量K和平衡系数α的搜索范围区间,初始随机选择一组参数组合值,数量为NP/2,然后将该组NP/2个参数组合值中的每一个参数组合值都带入到VMD中,对齿轮系统振动信号f进行分解,共分解NP/2次,每一次分解得到一系列的模态,共得到了NP/2个系列的模态;根据公式(7)计算该组所有参数组合值所对应的NP/2个适应度值:
其中,abs表示求绝对值,下角标i代表ABC算法的第i次循环;objfi是第i次循环的优化目标函数值,评估并记录其中最优的适应度值以及与其相对应的参数组合值,然后进入下一次循环并不断的迭代,更新记录每一次迭代后的最优适应度值及其所对应的最优参数组合值,即最优解,满足迭代条件、即迭代次数为最大迭代次数MCN后,所输出的最优解即为最优参数组合[Kbest,αbest];然后,应用带有最优参数组合[Kbest,αbest]的VMD对齿轮系统振动信号f进行最终分解。
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吉林大学,未经吉林大学许可,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/201910479022.3/1.html,转载请声明来源钻瓜专利网。