[发明专利]一种基于声音分析的齿轮分类方法

说明书

一种基于声音分析的齿轮分类方法，属于齿轮分析和评价技术领域；本发明包括如下步骤：S1、采集齿轮转动过程中的振动信号和转速信号；S2、对齿轮的振动信号和转速信号进行等角度重采样，生成所述振动信号的同步采样信号；S3、对所述重采样数据进行阶次分析，得到阶次分析数据；S4、对所述阶次分析数据采用基于支持向量机算法构建齿轮分级模型，进而实现齿轮的等级划分；本发明能够快速的对齿轮的等级做出区分。

技术领域

本发明涉及齿轮检测与评价领域，特别是涉及一种基于声音分析的齿轮分类方法。

背景技术

在现代齿轮加工中，齿轮噪声控制已经成为一个重要的质量控制环节，齿轮噪声的强弱能反映出齿轮的承载能力、安全系数和齿轮的工作寿命，齿轮的质量直接影响着机械设备的质量。

在如今的工业应用中，齿轮噪声检测与分析的方法有很多种，阶次分析通过对信号进行等角度采样，可以很好的分析与转速相关的声音信号，但是缺少一种快速的对齿轮的等级做出区分的方法。支持向量机(SVM)算法是基于小样本的学习技术，且该技术具有分类精度高、结构简单和推广能力强的优点。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于声音分析的齿轮分类方法，采用基于支持向量机算法对齿轮阶次分析的数据进行分析分类从而对齿轮等级进行划分。

为实现上述目的及其他相关目的，本发明提供一种基于声音分析的齿轮分类方法，包括如下步骤：

S1、采集齿轮转动过程中的振动信号和转速信号；

S2、确定每个周期的采样点数，对齿轮的振动信号进行等角度重采样，生成所述振动信号的同步采样信号；

S3、对所述重采样数据进行阶次分析，得到阶次分析数据；

S4、对所述阶次分析数据采用基于支持向量机算法构建齿轮分级模型，进而实现齿轮的等级划分。

进一步的，S2所述等角度重采样方法包括：

S21、对所述振动信号和转速信号分别进行等时间间隔时域采样，得到振动信号的异步采样信号和转速信号的异步采样信号；

S22、我们假定参考轴以恒定角加速度运行，在这个前提下根据S21得到转速信号的异步采样信号

来确定恒定角增量，从而求出所对应的采样点的个数；

S23、根据S22求得的采样点的个数对S21所得到振动信号的异步采样信号数据进行插值，求出对应的幅值实现重采样，生成所述振动信号的同步采样信号，即角域平稳信号。

更进一步的，步骤S22具体包括：

S221、根据式(1)获取齿轮转轴的转角θ：

θ(t)＝b₀+b₁t+b₂t² (1)；

式中b₀、b₁、b₂均为待定系数；

S222、在时域中设置一个键相脉冲对应的轴转角增量Δβ，拟合三个连续的键相脉冲到达时间t₁、t₂、t₃，得到：

将式(2)式带入式(1)式可得：