[发明专利]基于熵优化的复杂齿轮传动链电流信号循环平稳解调方法

摘要

基于熵优化的复杂齿轮传动链电流信号循环平稳解调方法，采集齿轮传动链中驱动电机的电流信号，利用傅立叶变换得到该电流信号的循环平稳频谱图；计算该循环平稳频谱图在循环频率下切片谱图的熵值并绘制熵值曲线；确定熵值曲线中的熵极小值点和该熵极小值点的特征切片循环频率；在循环平稳频谱图中找到与该特征切片循环频率对应的相应频率，确定特征切片频率谱；采用频谱校正法，对特征切片循环频率的差值进行误差校正，并对特征切片频率谱进行校正，获得准确频率幅值；根据该准确频率幅值，得到故障频率的特征信息。本发明解调方法对驱动电机的电流特征信号进行解调分离，提取电机故障的特征信息，对齿轮传动系统运行状态进行故障监测与诊断。

主权项

基于熵优化的复杂齿轮传动链电流信号循环平稳解调方法，以齿轮传动链中驱动电机的定子电流信号为基础，利用循环自相关函数的解调性，通过熵优化对应的循环频率处理，进行循环自相关函数的切片解调，得到包含该循环频率成分及其倍频的解调谱，并在该解调谱的基础上进行频谱校正，得到复杂齿轮系统的准确诊断结果，其特征在于，该解调方法按以下步骤进行：步骤1：采用电流传感器采集齿轮传动链中驱动电机的电流信号，利用傅立叶变换得到该电流信号的循环平稳频谱图；步骤2：计算步骤1所得循环平稳频谱图在循环频率下切片谱图的熵值S(P)，该熵值S(P)通过以下公式计算得到：设P(p1，p2，…，pn)为一不确定的概率分布，k为任一常数，则该概率分布P(p1，p2，…，pn)范围内的熵值S(P)为： S ( P ) = - k Σ i = 1 n p i ln p i 式中，pi为第i个信息状态出现的概率，-ln pi是第i个信息状态出现时带来的信息量，S(P)为熵值，表征了第i个信息状态的信息量的大小；步骤3：根据步骤2计算出的熵值绘制熵值曲线；步骤4：利用排序方法，将步骤3绘制的熵值曲线进行排序，并确定出熵值曲线中的熵极小值点，然后，通过步骤3的熵值曲线得到该熵极小值点的特征切片循环频率S(Ps)：S(Ps)＝min[S(Pi)]其中S(Ps)为熵极小值，Ps为熵极小值点，S(Pi)为各频率处的熵值；步骤5：在步骤1的循环平稳频谱图中找到与步骤4得到的特征切片循环频率对应的相应频率，则该相应频率的切片图即为特征切片频率谱；步骤6：采用频谱校正法，通过理论计算，对步骤4得到的特征切片循环频率的差值进行误差校正，并根据校正误差后的特征切片循环频率对步骤5中的特征切片频率谱进行校正，获得准确频率幅值；步骤7：根据步骤6得到的准确频率幅值，得到故障频率的特征信息。