[发明专利]一种轧机齿轮箱故障诊断系统及方法

权利要求书

1.一种轧机齿轮箱故障诊断系统，其特征在于，包括：

数据采集模块，用于采集轧机运行过程中产生的振动信号；

信号分析处理器，与所述信号采集卡相连，用于存储采集的振动信号并对采集的振动信号进行降噪处理与时频图生成；

所述信号分析处理器与人机交互界面连接，所述人机交互界面用于显示数据采集模块采集的原始振动信号、信号分析处理器降噪处理后的信号以及时频图像；

还包括故障分类处理器，其与所述信号分析处理器相连，用于对轧机齿轮箱关键零部件故障进行分类。

2.根据权利要求1所述的轧机齿轮箱故障诊断系统，其特征在于，所述数据采集模块包括放置在轧机主传动系统齿轮箱轴承座处垂直方向、水平方向以及轴向的加速度传感器以及信号采集卡。

3.根据权利要求1或2所述的轧机齿轮箱故障诊断系统，其特征在于，所述信号分析处理器包括信号降噪模块、时频图像处理模块、信号存储模块，

所述信号降噪模块采用小波包阈值降噪算法对所述的原始信号进行降噪处理，用于消除轧机运行过程中白噪声对后续齿轮箱关键零部件故障分类的影响；

所述时频图像处理模块用于将去噪后的信号转化为同时包含信号时域特征与频域特征信息的语谱图，作为后续故障分类处理器的输入样本；

所述信号存储模块负责故障分类模型训练样本库数据的存储以及轧机运行过程中所述数据采集卡收集到的齿轮箱振动信号。

4.根据权利要求3所述的轧机齿轮箱故障诊断系统，其特征在于，所述故障分类处理器包括特征提取模块、故障分类模块以及训练升级模块，所述特征提取模块采用深度卷积神经网络对所述时频图像处理模块得到的时频图样本进行卷积计算提取信号特征，并将其与对应的故障标签进行匹配；所述故障分类模块采用softmax分类器，对所述齿轮箱故障进行最终分类；所述训练升级模块通过所述信号存储模块中数据采集卡采集的信号更新深度卷积神经网络参数，以便故障分类处理器针对不同工作环境进行自适应调整。

5.一种轧机齿轮箱故障诊断方法，其特征在于，包括如下步骤：

步骤1、获取轧机齿轮箱不同状态下轴承座水平方向、垂直方向以及轴向的振动信号，对信号进行等长划分并获取采样频率；

步骤2、采用小波包域值算法对原始振动信号进行降噪处理；

步骤3、将处理后的轧机齿轮箱振动信号转换为时频表现形式，获得去噪信号的语谱图；

步骤4、构建用于轧机齿轮箱故障类型的识别的深度卷积神经网络分类器；

步骤5、将实时采集的轧机齿轮箱的振动信号通过步骤1至3处理为图像样本，并输入所述步骤4构建的深度卷积神经网络分类器进行分类识别；

步骤6、将识别结果输送至人机交互界面显示，如系统检测到齿轮箱中关键零部件出现故障，显示器中相关故障指示灯亮起，并将该段信号更新进模型库。

6.根据权利要求5所述的轧机齿轮箱故障诊断方法，其特征在于，所述步骤2具体包括如下步骤：

利用有用信号和噪声信号在不同尺度分解下截然相反的传递特性采用小波包域值算法对原始振动信号进行降噪处理，具体如下：

S2.1选择小波基函数对输入信号进行小波包变换，具体选用db4小波；

S2.2根据Mallat算法进行推广，求取轧机齿轮箱振动信号在小波包树各位置的小波包系数；

S2.3选择阈值函数确定小波包去噪域值，在低于阈值的小波包系数置零的基础上将高于阈值的小波包系数与阈值做差；

S2.4将所述处理后的小波包系数进行逆变换重构。