[发明专利]一种基于声振信息融合的柴油机齿轮室故障诊断方法

说明书

本发明公开了一种基于声振信息融合的柴油机齿轮室故障诊断方法，方法为模拟齿轮室实际生产中会产生的故障，通过自适应变分模态提取对采集到的声振信号进行分解，基于能量熵对得到的声振特征进行融合，最后通过支持向量机对故障进行分类和识别，执行步骤依次为：采集振动噪声信号、分解提取的信号、融合声振特征和诊断齿轮室故障。本发明提出一种自适应的变分模态提取方法来提高信号分解的精度和效率，基于能量熵对声振特征进行融合并通过支持向量机对齿轮室的故障进行分类和识别，为柴油机预测性维修和维护提供参考和指导，提升柴油机动力性、经济性、稳定性和排放性。

技术领域

本发明涉及柴油机故障诊断方法技术领域，尤其涉及一种基于声振信息融合的柴油机齿轮室故障诊断方法。

背景技术

齿轮室是柴油机的关键部件之一，其结构较为复杂，一个故障通常会有多种故障表现形式，一种故障表现形式也可能由多个故障引起。针对柴油机故障的诊断及评估方法，有振动测试法和声音分析法等，采用较多的是振动测试法。振动测试法需要处理复杂的信号，且检测位置受到限制，但信号可靠性高；声音分析法对环境要求高，信号信噪比较低，易受外来噪声干扰，但传感器易于安装。齿轮在早期出现裂纹时特征信息很微弱，通过单一信息进行故障诊断有其自身的局限性，试验方法和诊断水平对故障诊断结论的影响较大，容易产生漏报和误报，故在许多情况下得出的结论并不可靠。

齿轮室作为机械设备中关键性部件，对其故障诊断方法的研究一直受到众多学者的重视。现有信号分解算法中，经验模态分解方法(EMD)在信号分解过程中会出现模态混叠和端点效应等问题，对分离的噪声特征产生较大干扰。VMD的自适应性以及抗噪性能较差。

发明内容

本发明的目的在于：为了解决上述问题，而提出的一种基于声振信息融合的柴油机齿轮室故障诊断方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于声振信息融合的柴油机齿轮室故障诊断方法，所述方法包括：模拟齿轮室实际生产中会产生的故障，通过自适应变分模态提取对采集到的声振信号进行分解，基于能量熵对得到的声振特征进行融合，最后通过支持向量机对故障进行分类和识别，执行步骤依次为：采集振动噪声信号、分解提取的信号、融合声振特征和诊断齿轮室故障。

优选地，所述采集振动噪声信号包括采集振动信号与转速信号，其中振动信号的采集需在齿轮室附近处布置加速度传感器，转速信号需要在前端布置光电编码器，并按试验方案运转。

优选地，所述试验方案为：

S101、分别采集600r/min、1000r/min、1200r/min、1500r/min、1900r/min工况下的振动噪声信号；

S102、加工齿轮，模拟裂纹故障，重复步骤S101；

S103、加工齿轮，模拟点蚀故障，重复步骤S101；

S104、加工齿轮，模拟断齿故障，重复步骤S101。

优选地，所述分解提取的信号需要统计模态中心频率的近似值，变分模态提取围绕该中心频率提取一个模态分量，具体计算步骤为：

S201、将输入信号f(t)分解为两个信号：期望信号(u_d(t))和残余信号(f_r(t))；

S202、设置期望中心频率ω_d、拉格朗日系数λ、收敛值ε；

S203、迭代循环更新u_d；

S204、迭代循环更新ω_d；

S205、迭代循环更新λ；

S206、重复上述步骤S202到步骤S205，直到收敛。