[发明专利]一种基于特征向量基线法的二级齿轮箱故障智能诊断方法

权利要求书

1.一种基于特征向量基线法的二级齿轮箱故障智能诊断方法，其特征在于，该诊断方法包括以下步骤：

1)获取待诊断齿轮箱各设定测点的振动数据，对获取的振动数据进行成分分析，以提取出齿轮啮合信号并存储到实时特征征兆库；

2)将实时特征征兆库与基线特征征兆库中的特征数据进行比较，若某个特征的实时特征值超过对应基线特征值的设定比例，则认为此特征对应的齿轮发生了故障；

所述基线特征征兆库中的基线特征值是通过获取齿轮箱各设定测点正常工况的振动数据，并将其获取的振动数据成分分析，提取出的齿轮箱中各啮合齿轮的啮合信号。

2.根据权利要求1所述的基于特征向量基线法的二级齿轮箱故障智能诊断方法，其特征在于，轴承各设定测点正常工况的振动数据的选取原则：各设定测点两个方向的历史峭度指标未超过设定值、无峭度值指标野点且峭度指标平稳时间段对应的振动数据。

3.根据权利要求1所述的基于特征向量基线法的二级齿轮箱故障智能诊断方法，其特征在于，所述成分分析采用的是约束独立成分分析，并将齿轮啮合频率作为已知信息建立参考信号。

4.根据权利要求3所述的基于特征向量基线法的二级齿轮箱故障智能诊断方法，其特征在于，所述的参考信号为方波信号，方波信号的周期＝1/啮合频率*采样频率。

5.根据权利要求1所述的基于特征向量基线法的二级齿轮箱故障智能诊断方法，其特征在于，提取出的啮合信号包括一倍啮合频率处幅值、二倍啮合频率处幅值及三倍啮合频率处幅值。

6.根据权利要求1-5中任一项所述的基于特征向量基线法的二级齿轮箱故障智能诊断方法，其特征在于，所述步骤2)中若同时两个及以上不同的特征均超过了相应基线特征的设定比例，则认为这些特征值对应的齿轮同时发生了故障。