[发明专利]行星齿轮传动系统故障状态识别方法

说明书

本发明适用于机械系统故障状态识别技术领域，提供了一种行星齿轮传动系统故障状态识别方法，该方法包括：采集行星齿轮传动系统的第一状态信号；对第一状态信号进行降噪处理，获得第一重构信号；根据第一重构信号建立行星齿轮传动系统的状态密度矩阵；根据状态密度矩阵，获得行星齿轮传动系统对应的相关瑞丽熵；当相关瑞丽熵处于预设范围内时，获得行星齿轮传动系统对应的故障状态。本发明的行星齿轮传动系统故障状态识别方法，利用相关瑞丽熵对行星齿轮传动系统的故障状态进行识别，当相关瑞丽熵处于预设范围内时，识别预设范围内对应的故障状态，方法简单，能够准确地获得行星齿轮传动系统的故障状态识别结果。

技术领域

本发明属于机械系统故障状态识别技术领域，尤其涉及一种行星齿轮传动系统故障状态识别方法。

背景技术

行星齿轮传动系统具有传动比高等众多优点，被广泛应用于风电设备、军用设备、重载车辆和大型机械设备等领域，近年来，由于行星齿轮传动系统故障导致重大安全事故和人员伤亡的案例屡见不鲜，行星齿轮传动系统运行的安全稳定性至关重要。因此，准确识别和诊断行星齿轮传动系统的运行状态一直吸引着各个领域专家学者的关注。

振动信号可以直接反应行星齿轮传动系统的运行信息，但是，当行星齿轮传动系统发生故障时，会导致系统非线性振动，非线性振动与自身传动振动和啮合振动耦合，使行星齿轮传动系统的振动信号具有明显的复杂性、非线性和非平稳性等特点。这些特点导致行星齿轮传动系统的状态监测和故障诊断的难度较大。

传统方法通过比较时域和频域特征指标进行运行状态的研判，但传统方法不能深入了解产生振动信号的齿轮动态系统，在识别齿轮早期缺陷方面的灵敏度较差。熵是检测时间序列不确定性和动态特性变化的最有力的工具之一，香农熵、样本熵和排列熵等方法可以度量非线性系统时间序列的复杂性。引入熵等评价时间序列复杂程度指标可以有效地从行星齿轮传动系统故障部件的振动信号中发现微弱的状态特征，准确识别其运行状态。国内外学者在行星齿轮传动系统故障状态评估指标等方面进行了深入研究，为了从振动信号中提取状态特征，近年来相继将能量熵、样本熵和排列熵等方法应用于行星齿轮传动系统的状态监测和故障诊断。但是，上述方法仅能从单独的时间序列中提取单一状态特征值，无法分析信号之间存在的耦合性和相关性，无法全面地评价和评估行星齿轮传动系统的真实运行状态，这导致了现有方法在进行行星齿轮传动系统状态监测和故障诊断中的成功率较低。

发明内容

有鉴于此，本发明实施例提供了一种行星齿轮传动系统故障状态识别方法，以解决现有技术中行星齿轮传动系统状态监测和故障诊断的难度较大、成功率较低的问题。

本发明实施例提供了一种行星齿轮传动系统故障状态识别方法，包括：

采集行星齿轮传动系统的第一状态信号；

对所述第一状态信号进行降噪处理，获得第一重构信号；

根据所述第一重构信号建立所述行星齿轮传动系统的状态密度矩阵；

根据所述状态密度矩阵，获得所述行星齿轮传动系统对应的相关瑞丽熵；

当所述相关瑞丽熵处于预设范围内时，获得所述行星齿轮传动系统对应的故障状态。

可选的，所述对所述第一状态信号进行降噪处理，获得第一重构信号，包括：

获取预设测量矩阵和预设传感矩阵；

根据预设测量矩阵对所述第一状态信号进行采样，获得第一初始残差；

计算所述预设传感矩阵与所述第一初始残差的第一最大投影系数值，并根据所述第一最大投影系数值获得第一恢复矩阵；

根据所述第一恢复矩阵计算第一初始重构信号；

根据所述第一恢复矩阵与所述第一初始重构信号更新所述第一初始残差；