[发明专利]一种基于振动信号分析的齿轮箱整机状态评估方法和系统

说明书

本发明涉及一种基于振动信号分析的齿轮箱整机状态评估方法和系统，方法包括：在齿轮箱内选取振动测点，获取各振动测点的振动信号，评估齿轮箱的运行状态；若齿轮箱的运行状态在齿轮箱故障运行状态区间内，则根据基于最优品质因子的共振稀疏分解法，提取高共振分量和低共振分量，从而判断故障程度和故障部位；最优品质因子的共振稀疏分解法通过共振稀疏分解法，从振动信号中提取高共振分量和低共振分量，通过复合指标KSI优化共振稀疏分解中的品质因子；复合指标KSI根据高共振分量的平滑指数和低共振分量的峭度计算。与现有技术相比，本发明避免了人为选取品质因子带来的主观性缺陷，具有可靠、客观、准确等优点。

技术领域

本发明涉及齿轮箱整机状态评估技术领域，尤其是涉及一种基于振动信号分析的齿轮箱整机状态评估方法和系统。

背景技术

齿轮箱是一种用来改变转速和传递动力的常用传动装置，广泛用于煤矿机械、风力发电、工程机械等大型机械装备中，恶劣工作环境经常导致其齿轮、轴承、轴等关键部件出现严重磨损或疲劳裂纹等故障，是诱发机械装备故障的重要原因。因此对齿轮箱进行诊断是自故障诊断技术问世以来一直受到人们普遍重视的课题之一。

振动信号的处理和分析是实现齿轮箱的状态监测与健康维护非常重要的一部分，常见的振动信号处理方法有小波包分析、经验模态分解、支持向量机、共振稀疏等方法。小波变换从20世纪80年代开始逐渐发展成应用数学领域的一个新型分支，并广泛应用于工程信号处理领域。小波变换是一种基于时间和尺度的信号处理方法，其窗口大小固定且窗口形状可变，能实现对信号的多分辨率分析，因此有“数学显微镜”之誉。小波变换可以把信号分解到不同层次，从而获得齿轮箱振动信号的能量在时频域中的分布情况，还可以获得不同频率成分随时间的变化规律，突显出信号的瞬态特性。经验模态分解(EMD)方法由美籍华裔工程师黄锷提出来，这是一种基于信号局部特征的自适应信号处理方法。经验模态分解可以通过将复杂的信号分解成为若干个瞬时频率具有物理意义的IMF分量之和，其IMF本身也会随着信号本身的不同而发生变化，因此经验模态分解非常适用于非平稳信号，比如齿轮箱振动信号的处理。共振稀疏分解是在品质因子小波变换(TQWT)的基础上提出来的，它根据非平稳信号中的谐波成分和冲击成分所具有的品质因子(Quality)不同，对非平稳信号分别进行高品质因子和低品质因子的稀疏表示，然后采用形态分量分析(MCA)对信号进行非线性分离，得到包含原信号中的谐波成分的高共振分量以及包含冲击成分的低共振分量。它的这种属性非常适用于齿轮箱的复合故障辨识，这是因为当齿轮产生磨损、断齿等故障征兆时，振动成分常呈现出调频-调幅特征，轴承出现故障时，常呈现出周期性冲击特征，利用两种成分对应的品质因子之间的差异，借助共振稀疏分解，可以有效的辨识与分离齿轮箱的复合故障。

在上述的各种方法中，小波变换虽然具有多分辨率分析特性，但是不同的基函数具有不同的小波变换分辨率，而且基函数需要事先选取，因此小波变换本质上并不是一种自适应的非平稳信号处理算法；经验模态分解虽然可以自适应的将多分量调频-调幅信号分解为若干的成分，但是自身也存在着模态混淆、端点效应等缺陷；在共振稀疏分解中，品质因子值的选择对分解结果有着很大的影响。但是，现阶段主要是依靠人为选择品质因子，从而有很大的主观随意性，影响着齿轮箱的复合故障识别效果。

发明内容

本发明的目的就是为了克服上述现有技术存在依靠人为选择品质因子，从而有很大的主观随意性，影响着齿轮箱的复合故障识别效果的缺陷而提供一种基于振动信号分析的齿轮箱整机状态评估方法和系统。

本发明的目的可以通过以下技术方案来实现：

一种基于振动信号分析的齿轮箱整机状态评估方法，包括：在齿轮箱内选取振动测点，获取齿轮箱运行时各振动测点的振动信号，根据各振动测点的振动信号，评估齿轮箱的运行状态；