[发明专利]一种变速齿轮箱的故障诊断方法、装置及存储介质

说明书

本发明公开了一种变速齿轮箱的故障诊断方法，其包括：采集多个振动传感器的数据，以获得多个不同轴转速振动信号，并进行低通滤波；创建一组与转速相关的高斯参考信号，并基于高斯参考信号创建自适应噪声滤波器；基于所述自适应噪声滤波器和最小均方算法进行振动信号特征提取；将所提取的特征分成训练数据集和测试数据集，将所述训练数据集通过交叉验证的方法分为训练集数据和验证集数据，并基于训练集数据和所述验证集数据对支持向量机模型进行训练，采用训练后的模型对所述测试数据集进行故障分类，获得分类结果。在有效降低噪声，提高基于单对单、多类支持向量机的分类准确率，从而达到对变速齿轮箱的有效故障诊断。

技术领域

本发明涉及齿轮箱数据诊断技术领域，尤其涉及一种加变速齿轮箱的故障诊断方法、装置及存储介质。

背景技术

随着工业4.0以及工业大数据时代的到来，机器设备的使用更加超过以往。齿轮箱作为机器设备的重要组成部件被广泛应用于工业生产之中，但其在恶劣和连续的条件下工作，极容易发生各种故障，损害复杂的机器设备，甚至对财产和生命安全造成严重威胁。因此，对齿轮箱进行故障诊断是很有必要的。齿轮箱的振动信号是用于其故障诊断和早期故障检测的重要信息，但振动信号通常是非线性、非平稳的，其中含有数据采集系统产生的背景噪声和机器其他部件的干扰。特别是在转速变化的情况下，振动信号中的信息成分更是与复杂的、不需要的成分混合在一起。因此，要利用振动信号中的信息成分进行齿轮箱故障诊断，必须在分析前尽可能地从信号中去除噪声。

目前已经提出了诸如低通滤波去噪、小波分解去噪和奇异值分解去噪等去噪方法，运用这些方法虽然可以降低噪声，但低通滤波去噪会丢失信号的细节信息，使信号边缘变得模糊，小波分解去噪由于阈值的存在会导致原始信息信号失真，奇异值分解去噪确定奇异值数目选取的方法不够有效，进而使得变速齿轮箱故障诊断效率不高。

发明内容

本发明的目的在于提供一种变速齿轮箱的故障诊断方法、装置及存储介质，旨在有效降低噪声，提高基于单对单、多类支持向量机的分类准确率，从而达到对变速齿轮箱的有效故障诊断。

为了实现上述目的，一种变速齿轮箱的故障诊断方法，所述方法包括：

采集多个振动传感器的数据，以获得多个不同轴转速振动信号，并进行低通滤波；

创建一组与转速相关的高斯参考信号，并基于高斯参考信号创建自适应噪声滤波器；

基于所述自适应噪声滤波器和最小均方算法进行振动信号特征提取；

将所提取的特征分成训练数据集和测试数据集，将所述训练数据集通过交叉验证的方法分为训练集数据和验证集数据，并基于训练集数据和所述验证集数据对支持向量机模型进行训练，采用训练后的模型对所述测试数据集进行故障分类，获得分类结果。

一种实现方式中，所述创建一组与转速相关的高斯参考信号，并基于高斯参考信号创建自适应噪声滤波器的步骤包括：

创建一组与转速相关的高斯参考信号；

对振动信号进行自适应噪声滤波处理后，将高斯参考信号作为自适应噪声滤波器的输入信号，将处理过后的振动信号作为自适应噪声滤波器的期望信号来构造自适应噪声滤波器；

进行参数的初始化，并通过迭代计算后获得自适应噪声滤波器的目标参数，所述目标参数包括采样时间步长M，系数向量c(n)，总步长为u和转速扫描参数a。

一种实现方式中，所述基于所述自适应噪声滤波器和最小均方算法进行振动信号特征提取的步骤，包括：

通过最小均方算法对系数向量进行调整，将具有最小均方误差的信号归入优化子带集合中；

计算优化子带集合中每个子带的均方值；

将均方根值最小的子带作为最佳优化输出子带；