[发明专利]一种基于SVD的齿轮箱信号降噪方法

说明书

本发明公开了一种基于SVD的齿轮箱信号降噪方法，根据齿轮箱的关键静态参数计算得到各级齿轮转速，根据各级齿轮转速计算得到齿轮的调制频率；将齿轮箱的振动信号转化为相应的Hankel矩阵，利用SVD分解为一系列奇异值分量，利用Hilbert变换得到每个奇异值分量对应的包络信号；计算每个包络信号的自相关信号，对自相关信号去趋势，计算每个去趋势项后的自相关信号对于调制频率对应的谐频能量；设定谐频能量阈值，取奇异值分量中谐频能量超过阈值的分量重构信号，得到去噪后的信号。本发明方法能够在复杂的齿轮箱信号中，滤除相关干扰，更好的发现齿轮故障，避免了齿轮故障的漏诊断或误诊断，保证齿轮的正常运行，减少故障带来的损失。

技术领域

本发明属于机械设备状态监测领域，具体涉及一种基于SVD的齿轮箱信号降噪方法。

背景技术

作为广泛地应用于工业领域的齿轮箱设备，其内部结构复杂、部件众多，而且大多数齿轮箱运行环境恶劣、故障复杂且不易被察觉，因此当齿轮箱发生故障时，往往会造成严重的故障后果和巨大的经济损失，因此实时掌握齿轮箱的运行状态对企业安全高效生产意义重大。振动监测作为旋转机械状态维修的有效工具，已被广泛接受。但是齿轮箱设备故障种类众多(包括齿轮故障、轴承故障、轴系故障等)且工作环境恶劣的环境。因此，齿轮箱的振动信号往往表现为非平稳、调制复杂、噪声大。噪声大导致齿轮故障信号会被噪声信号所掩盖很难发现，当齿轮与轴承同时发生故障时，齿轮故障和轴承故障都会对原始信号进行相应的调制，复杂的信号调制会使轴承和齿轮故障难以区分。为了及时发现齿轮相关故障需要将轴承故障以及轴系故障的滤除，突出齿轮相关故障信号，即对原始信号进行降噪处理。

现阶段对齿轮箱振动信号常见的降噪方法有很多，主要包括：1、利用传统滤波器方式的降噪，但该方法对于随机噪声信号以及轴承故障和齿轮故障信号混叠的信号并不能达到很好的效果。2、利用小波变换的降噪方法，但是如何选择合适的小波基函数是很大的问题，同一个小波基函数并不适用于所有齿轮箱信号。3、利用经验模态分解(EMD)的降噪方法，但该方法在利用样条插值获得信号上、下包络过程中存在着棘手的端点问题，并不适合工程应用。4、基于奇异值分解(SVD)的齿轮箱降噪方法，SVD能够揭示隐藏在信号中的弱固有模式，抑制不同分布的噪声，受到广泛的关注。与其他降噪处理技术相比，SVD无需预先定义基函数，具有更快、更容易实现的优点，因此该方法更适合工程应用。但是现阶段大多数SVD去噪方法，都是保留本质奇异值较大的分量，往往突出了被测信号中的高能量分量，忽略了早期故障引起的微弱特征，如早期的齿轮故障。

传统的奇异值分解降噪在降噪过程中保留了能量最大的SCs，但是能量大并不一定是齿轮故障相关的信号，若采用这种SC_s的保留方式，可能会造成一定的风险。

发明内容

本发明针对传统奇异值分解降噪(SVD)过程中只保留能量较大的奇异值分量SC_s，可能造成微弱的齿轮故障信号也被过滤掉的问题，提出了一种基于SVD的齿轮箱信号降噪方法。

为了实现上述目的，本发明采用如下技术方案：

一种基于SVD的齿轮箱信号降噪方法，包括以下步骤：

1)根据齿轮箱的关键静态参数计算得到各级齿轮转速，根据各级齿轮转速计算得到齿轮故障的调制频率；

2)将齿轮箱的振动信号转化为相应的Hankel矩阵，利用SVD分解为一系列奇异值分量，利用Hilbert变换得到每个奇异值分量对应的包络信号；

3)计算每个包络信号的自相关信号，对自相关信号去趋势，计算每个去趋势项后的自相关信号的对于调制频率对应的谐频能量；

4)设定相应的谐频能量阈值，取奇异值分量中谐频能量超过阈值的分量重构信号，得到去噪后的信号。

具体的，步骤1)中，所述齿轮箱的关键静态参数为：电机的额定转速、各级齿轮齿数。