[发明专利]一种齿轮箱早期故障检测方法

说明书

本发明公开了一种齿轮箱早期故障检测方法，包括以下步骤：S1、信号采集：采集齿轮箱在正常和故障工作状态下的振动信号，通过经验模态分解法对振动信号进行分解；S2、空间分解：结合深度分解定理，将原始空间分解到多个子空间中，建立各子空间的动态主元模型；S3、模型更新：通过滑动窗算法，考虑数据的时序相关性，对模型进行实时的更新；S4、控制限计算：通过对统计量和控制限判断齿轮箱是否发生故障，并更新模型重新计算控制限。本发明基于深度递推动态主元分析建立动态主元模型，进而实现对齿轮箱的早期故障智能检测。相对于传统的早期故障检测方法，本发明具有自适应性、检测率高、检测速度快等优点。

技术领域

本发明涉及齿轮箱智能早期故障检测技术领域，尤其涉及一种齿轮箱早期故障检测方法。

背景技术

随着科学技术和现代工业的高速发展，运输、航天、国防等行业的机械设备日趋自动化、集成化、高速化和大型化，齿轮箱在各行业的发展过程中中发挥了至关重要的作用。由于齿轮箱具有体积小、质量小、传动比固定、传动力矩大、结构紧凑、承载能力大、效率高、运转平稳、适应性强等诸多优点，使得它成为机械行业中最常见的传递动力和改变转速的传动设备，在各类机械设备中得到非常广泛的应用。因此，齿轮箱性能的好坏严重影响着生产生活实际应用中机械设备性能的优劣。

作为机械传动链的关键部件，齿轮箱的工作状态在传动系统中发挥着重要作用。齿轮箱作为整个系统的传动机构，内部结构紧凑，部件之间耦合性较强，容易造成齿轮点蚀、断齿等故障。同时，齿轮箱故障维修过程较为复杂，维修时间长，导致带来很大的经济损失。因此，进行齿轮箱早期故障检测的研究，寻找故障早期信号特征，在故障还没有发展到严重程度时及时排除安全隐患，对保证设备正常运行，避免经济损失具有重要作用。

齿轮箱发生早期微弱故障具有以下特征：由于故障不明显从而导致振动响应微弱；齿轮箱内部存在多对齿轮啮合，故障齿轮和其余齿轮啮合会产生调幅和调频效应，故障齿轮会引起动态信号调制，使故障检测难度提高；齿轮箱振动信号的传递路径较复杂，引人了大量的噪声干扰成分，降低了信噪比；采集的振动信号具有时序相关性加大了早期微弱故障检测难度。因此，如何从已被噪声淹没的信号中提取出早期故障特征信号，是早期故障检测的关键。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供一种齿轮箱早期故障检测方法，以解决齿轮箱的早期故障特征较弱，隐藏在一组时变序列信号中，导致故障特征难以在强噪声背景下有效提取的问题。

一种齿轮箱早期故障检测方法，包括以下步骤：

S1、信号采集：采集齿轮箱在正常和故障工作状态下的振动信号，通过经验模态分解法对振动信号进行分解；

S2、空间分解：结合深度分解定理，将原始空间分解到多个子空间中，建立各子空间的动态主元模型；

S3、模型更新：通过滑动窗算法，考虑数据的时序相关性，对模型进行实时的更新；

S4、控制限计算：通过对统计量和控制限判断齿轮箱是否发生故障，并更新模型重新计算控制限。

优选的，所述S1中，齿轮箱故障工作状态包括点蚀故障或断齿故障。

优选的，所述S1具体包括如下步骤：

S11、将振动信号分解为从高频到低频的本征模态分量之和，

S12、将获得的本征模态分量组成原始矩阵X。

优选的，所述S2具体包括如下步骤：

S21、选择合适的时滞S，将原始矩阵X拓展到增广矩阵X_s中；

S22、选择合适的阶数j，将增广矩阵X_s分解到2^j个子空间X_sjk中；