[发明专利]基于TVF-EMD和THGWO-ELM的齿轮箱故障诊断方法

权利要求书

1.一种基于TVF-EMD和THGWO-ELM的齿轮箱故障诊断方法，其特征在于，包括如下步骤：

步骤1：建立齿轮箱样本数据集，使用Savitzky-Golay滤波对原始数据进行降噪；

步骤2：使用时变滤波器的经验模态分解TVF-EMD将去噪后的信号分解成多个内涵模态分量IMF；

步骤3：利用方差贡献率-信息熵方法筛选出最优IMF；

步骤4：利用Tent混沌映射初始化种群，利用混合正弦余弦算法优化灰狼算法GWO，更新头狼位置；

步骤5：利用优化后的灰狼算法GWO优化极限学习机ELM的阈值和权重，构造基于改进灰狼优化算法的极限学习机THGWO-ELM模型，利用该模型进行故障诊断。

2.根据权利要求1所述的基于TVF-EMD和THGWO-ELM的齿轮箱故障诊断方法，其特征在于，所述步骤1中使用Savitzky-Golay滤波对数据进行降噪，其“平滑”去除信号中的高频成分，一组数据x_i的Savitzky-Golay滤波的数学公式为：

其中，Y^*是时间序列的拟合值，是平滑系数，H是卷积数目。

3.根据权利要求1所述的基于TVF-EMD和THGWO-ELM的齿轮箱故障诊断方法，其特征在于，所述步骤2中TVF-EMD分解信号，实现步骤如下：

(21)获得局部截止频率；利用Hilbert变换求出信号x(t)的瞬时频率和瞬时幅值a(t)，分别计算它们的局部最大值以及局部最小值，利用差值运算分别得到μ₁(t)和μ₂(t)；进而，采用时变滤波器处理信号，得到瞬时均值α₁(t)和瞬时包络α₂(t)，最后计算局部截止频率为：

(22)重构信号为h(t)

(23)判断是否满足停止准则θ(t)

其中，是加权均值瞬时频率，是第i阶分量的瞬时频率，B_L(t)是Loughlin瞬时带宽，设带宽阈值为ξ，若θ(t)≤ξ，则判定x(t)为一个IMF；否则，采用B样条插值对信号x(t)进行逼近并得到逼近结果m(t)，即令x₁(t)＝x(t)-m(t)，并重复执行步骤(21)～(23)。