• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 9
    • 下载费用:30 金币  

    重庆时时彩2期计划表: 一种用于采集、提取及诊断齿轮箱早期故障特征信号的方法.pdf

    关 键 词:
    一种 用于 采集 提取 诊断 齿轮箱 早期 故障 特征 信号 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201610757230.1

    申请日:

    2016.08.29

    公开号:

    CN106404386A

    公开日:

    2017.02.15

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G01M 13/02申请日:20160829|||公开
    IPC分类号: G01M13/02 主分类号: G01M13/02
    申请人: 北京工业大学
    发明人: 魏志恒; 胥永刚; 徐海; 高立新
    地址: 100124 北京市朝阳区平乐园100号
    优先权:
    专利代理机构: 北京思海天达知识产权代理有限公司 11203 代理人: 沈波
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201610757230.1

    授权公告号:

    |||

    法律状态公告日:

    2017.03.15|||2017.02.15

    法律状态类型:

    实质审查的生效|||公开

    摘要

    一种用于采集、提取及诊断齿轮箱早期故障特征信号的方法,将声发射传感器安装在齿轮箱设备需要监测的部位,一般选择齿轮箱轴承座处,用以采集齿轮箱工作状态下的声发射信号。选取不同信噪比的含噪信号进行不同分解层数下奇异谱斜率计算,随着分解层数的增加奇异谱斜率也逐渐增大,利用采集的声发射信号根据分解层数最优化实现过程选定最优化分解层数。根据选定最优化分解层数,对采集到的声发射信号利用冗余提升小波分析处理得到信号的时域图和频域图。通过对时域图和频域图的分析判定设备故障情况。能简单有效的将齿轮箱早期故障信号在复杂的噪声背景中提取出来,并通过分析诊断设备故障类型。为设备更长久运行提供了帮助。

    权利要求书

    1.一种用于采集、提取及诊断齿轮箱早期故障特征信号的方法,其特征在于:该方法的
    实施如下,
    步骤(1)将声发射传感器安装在齿轮箱设备需要监测的部位,一般选择齿轮箱轴承座
    处,用以采集齿轮箱工作状态下的声发射信号;
    步骤(2)应用基于奇异谱和冗余提升小波分析的齿轮箱早期故障诊断方法的步骤如
    下:
    1)取一组等间隔采样的离散信号X=[x(1),x(2),…,x(n)],按照每行排列n个采样点,
    每行一次往后移一个采样间隔,构造出m×n阶矩阵:

    式中1<n<N,m=N-n+1,矩阵A称之为Hankel矩阵,又称之为重构吸引子轨迹矩阵;
    根据上述原理,选取冗余提升小波分解过程中的高频信号即细节信号,构成一序列S=
    {si,i=1,2,…N},并对此序列进行奇异谱分析,依据一定的延时τ,将此序列嵌入到维数为
    m的矩阵中,经过重构得到的矢量为
    Si={s(j-1)+1,s(j-1)+2,…s(j-1)+1+L} (2)
    式中L=N-(M-1)τ-1
    将m个矢量构造成L×m的矩阵为轨道矩阵Gm,即

    然后对轨道矩阵Gm进行奇异值分解(SVD),根据矩阵理论,Gm∈Rm×L中必定存在正交矩阵
    U∈Rm×m、V∈RL×L满足Gm=UDVT,并存在一个对角矩阵D=diag(λ1,λ2,…λm),且满足λ1>λ2
    >…>λm,即m个奇异值,取奇异谱为:
    <mrow> <msub> <mi>C</mi> <mi>j</mi> </msub> <mo>=</mo> <msub> <mi>&lambda;</mi> <mi>j</mi> </msub> <mo>/</mo> <mfrac> <mn>1</mn> <mi>m</mi> </mfrac> <munderover> <mi>&Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>&lambda;</mi> <mi>j</mi> </msub> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>m</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
    2)基于奇异谱分析的最优分解层数的确定
    根据小波变换原理,如果小波分解层数不足,将导致振动信号的能量受到限制,致使其
    对应的小波系数容易与其他小波系数在幅值上混淆;小波系数表现为白噪声特性;如果小
    波分解层数逐渐增多时,有用信号的受压缩性较显著,小波系数的幅值明显大于噪声信号,
    说明有用信号在小波空间中占主导地位,小波系数表现为信号特性;由此容易得出,分解层
    数的确定是至关重要的,分解层数不足,致使信噪比差,信号奇异谱图较为平坦;当分解层
    数逐渐变大时,信号奇异谱出现明显的下降趋势;故可将奇异谱变化斜率K作为最佳分解层
    数的判定;
    <mrow> <msub> <mi>K</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>&lambda;</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <msub> <mi>&lambda;</mi> <mrow> <mi>i</mi> <mi>m</mi> </mrow> </msub> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
    式中i——当前分解层,即第i层;
    λi1——第i层分解层下经过SVD分解后最大奇异值;
    λim——第i层分解层下经过SVD分解后最小奇异值;
    Ki——第i层分解层下奇异谱斜率
    根据奇异谱变化斜率K,当分解层数逐渐增多时,信号经过冗余提升小波降噪后,信噪
    比明显增强;于此同时奇异谱的斜率K也呈现增大趋势;当奇异谱斜率达到到达峰值时,信
    号的信噪比达到最大,此时实现了分解层数的最优化,从而充分发挥了小波分析的效果;大
    量实验显示:当分解层数大于5时,信号大多会出现失真,故设定最大分解层数nmax为5;
    由此根据大量实验得出阈值的计算公式为:
    <mrow> <msub> <mi>K</mi> <mrow> <mi>t</mi> <mi>h</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>2</mn> <mrow> <mn>1</mn> <mo>+</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <msub> <mover> <mi>e</mi> <mo>&OverBar;</mo> </mover> <mn>1</mn> </msub> <mo>*</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mn>0.05</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
    式中ej1为尺度为i=1上细节信号的奇异值;
    选取不同信噪比的含噪信号进行不同分解层数下奇异谱斜率计算,随着分解层数的增
    加奇异谱斜率也逐渐增大,当奇异谱斜率达到某特定值后,奇异谱的斜率会随着分解层数
    的增加而有下降的趋势,说明当分解层数达到一定值时,有效信号的特征得到充分地增强,
    此时分解层数为最优;
    3)利用步骤(1)采集的声发射信号根据分解层数最优化实现过程选定最优化分解层
    数;
    4)根据选定最优化分解层数,对采集到的声发射信号利用冗余提升小波分析处理得到
    信号的时域图和频域图;通过对时域图和频域图的分析判定设备故障情况。

    说明书

    一种用于采集、提取及诊断齿轮箱早期故障特征信号的方法

    技术领域

    本发明涉及一种用于采集、提取及诊断故障特征信号的方法,更确切的说是一种
    用于采集、提取及诊断齿轮箱早期故障特征信号的方法。

    背景技术

    齿轮箱是机械设备中的主要传动部件也是最易发生故障的部件,对于齿轮箱等传
    动部件的故障诊断成了众多设备维护的关键问题。由于设备现场情况复杂,故障信号往往
    被噪声淹没,因此如何对故障信号进行特征提取、信号净化,对设备早期故障诊断十分重
    要。设备故障诊断就是判断分析机械运行的状态,包括机械设备状态的监测、早期故障识别
    以及故障诊断等几方面。故障诊断过程包括故障信息的获取、故障特征信息的提取和状态
    识别三个部分,其中故障特征提取和故障诊断是两个关键环节。通过数十年的发展,从最初
    时域指标分析,逐渐发展到多种分析技术,如频谱分析、解调分析、经验模式分解、小波分
    析、第二代小波分析等,傅里叶变换仍然是众多的信号处理方法中应用最为广泛也是最基
    本的方法。然而,傅里叶变换的实质是通过对信号与三角函数作内积运算,将时域信号转换
    为频域的表示方式。傅里叶变换主要是针对时间平稳信号,然而对于现实中非平稳的复杂
    信号,傅里叶变换不再满足分析的需要。小波分析正是在这一背景下和基础上发展起来的,
    它在时域和频域都能描述信号局部的特征,大大改善了傅里叶变换在时域无明显分辨率、
    频域协调性较差等缺点。针对齿轮箱信号的降噪及早期故障特征的提取,小波分析是较为
    常用的方法。目前的小波分析研究主要从小波函数的确定与阈值的选取两方面进行降噪效
    果的分析,分解层数的确定尚未得到彻底的解决。

    奇异谱分析(Singular Spectrum Analysis,SSA)是数据信号领域的一项重要技
    术,它打破了许多传统的方式方法,如使用的假设前提与限制条件,结合典型时间序列分
    析、多元统计、多元几何、动态系统、信号处理及奇异值分解(Singular Value
    Decomposition,SVD)[47]各元素,成为了一类无参、独立于模型的时序分析技术。奇异谱分
    析方法主要是将原始序列经过延时排列成矩阵的形式,应用奇异值分解将原始序列分解成
    少数可解释、独立的成份之和,如缓慢变化趋势、摆动成份和随机噪声。目前,奇异谱分析通
    常用作传统预测模型预处理的手段,即降噪后采用某类传统预测模型进行预测。奇异谱分
    析(SSA)目前已经为时序分解的有力工具之一,不仅能有效地避免傅里叶谱分析、小波分析
    方法的缺陷、弥补不足,同时其自身对原始序列不作统计分布、平稳性等相关假设,条件相
    对较为宽松。此外,与传统的功率谱分析法相比,传统的功率谱分析只能提供序列平均周
    期,对周期振荡时变特性描述无能为力。奇异谱分析已被广泛应用于自然科学中,然而故障
    诊断中却是很少应用奇异谱分析。

    发明内容

    本发明所要解决的技术问题是:针对现有技术中的不足,提供一种用于采集、提取
    及诊断齿轮箱早期故障特征信号的方法。为解决以上所述的技术问题,本发明采取的技术
    方案为:一种用于采集、提取及诊断齿轮箱早期故障特征信号的方法,该方法的实施如下:

    (1)将声发射传感器安装在齿轮箱设备需要监测的部位,一般选择齿轮箱轴承座
    处,用以采集齿轮箱工作状态下的声发射信号。

    (2)应用基于奇异谱和冗余提升小波分析的齿轮箱早期故障诊断方法的步骤如
    下:

    1)取一组等间隔采样的离散信号X=[x(1),x(2),…,x(n)],按照每行排列n个采
    样点,每行一次往后移一个采样间隔,构造出m×n阶矩阵:


    式中1<n<N,m=N-n+1,矩阵A称之为Hankel矩阵,又称之为重构吸引子轨迹矩
    阵。

    根据上述原理,选取冗余提升小波分解过程中的高频信号即细节信号,构成一序
    列S={si,i=1,2,…N},并对此序列进行奇异谱分析,依据一定的延时τ,将此序列嵌入到
    维数为m的矩阵中,经过重构得到的矢量为

    Si={s(j-1)+1,s(j-1)+2,…s(j-1)+1+L} (2)

    式中L=N-(M-1)τ-1

    将m个矢量构造成L×m的矩阵为轨道矩阵Gm,即


    然后对轨道矩阵Gm进行奇异值分解(SVD),根据矩阵理论,Gm∈Rm×L中必定存在正
    交矩阵U∈Rm×m、V∈RL×L满足Gm=UDVT,并存在一个对角矩阵D=diag(λ1,λ2,…λm),且满足λ1
    >λ2>…>λm,即m个奇异值,取奇异谱为:


    2)基于奇异谱分析的最优分解层数的确定

    根据小波变换原理,如果小波分解层数不足,将导致振动信号的能量受到限制,致
    使其对应的小波系数容易与其他小波系数在幅值上混淆。小波系数表现为白噪声特性;如
    果小波分解层数逐渐增多时,有用信号的受压缩性较显著,小波系数的幅值明显大于噪声
    信号,说明有用信号在小波空间中占主导地位,小波系数表现为信号特性。由此容易得出,
    分解层数的确定是至关重要的,分解层数不足,致使信噪比差,信号奇异谱图较为平坦;当
    分解层数逐渐变大时,信号奇异谱出现明显的下降趋势。故可将奇异谱变化斜率K作为最佳
    分解层数的判定。


    式中i——当前分解层,即第i层;

    λi1——第i层分解层下经过SVD分解后最大奇异值;

    λim——第i层分解层下经过SVD分解后最小奇异值;

    Ki——第i层分解层下奇异谱斜率

    根据奇异谱变化斜率K,当分解层数逐渐增多时,信号经过冗余提升小波降噪后,
    信噪比明显增强。于此同时奇异谱的斜率K也呈现增大趋势。当奇异谱斜率达到到达峰值
    时,信号的信噪比达到最大,此时实现了分解层数的最优化,从而充分发挥了小波分析的效
    果。大量实验显示:当分解层数大于5时,信号大多会出现失真,故设定最大分解层数nmax为
    5。分解层数最优化实现过程如(图1)所示:

    由此根据大量实验得出阈值的计算公式为:


    式中ej1为尺度为i=1上细节信号的奇异值。

    选取不同信噪比的含噪信号进行不同分解层数下奇异谱斜率计算,随着分解层数
    的增加奇异谱斜率也逐渐增大,当奇异谱斜率达到某特定值后,奇异谱的斜率会随着分解
    层数的增加而有下降的趋势,说明当分解层数达到一定值时,有效信号的特征得到充分地
    增强,此时分解层数为最优。

    3)利用步骤(1)采集的声发射信号根据分解层数最优化实现过程选定最优化分解
    层数。

    4)根据选定最优化分解层数,对采集到的声发射信号利用冗余提升小波分析处理
    得到信号的时域图和频域图。通过对时域图和频域图的分析判定设备故障情况。

    采用本发明的技术方案,能得到以下的有益效果:

    能简单有效的将齿轮箱早期故障信号在复杂的噪声背景中提取出来,并通过分析
    诊断设备故障类型。为设备更长久运行提供了帮助。

    附图说明

    图1小波分解层数最优化实现过程

    具体实施方式

    如图1所示,一种用于采集、提取及诊断齿轮箱早期故障特征信号的方法,该方法
    的实施如下:

    (1)将声发射传感器安装在齿轮箱设备需要监测的部位,一般选择齿轮箱轴承座
    处,用以采集齿轮箱工作状态下的声发射信号。

    (2)应用基于奇异谱和冗余提升小波分析的齿轮箱早期故障诊断方法的步骤如
    下:

    1)取一组等间隔采样的离散信号X=[x(1),x(2),…,x(n)],按照每行排列n个采
    样点,每行一次往后移一个采样间隔,构造出m×n阶矩阵:


    式中1<n<N,m=N-n+1,矩阵A称之为Hankel矩阵,又称之为重构吸引子轨迹矩
    阵。

    根据上述原理,选取冗余提升小波分解过程中的高频信号即细节信号,构成一序
    列S={si,i=1,2,…N},并对此序列进行奇异谱分析,依据一定的延时τ,将此序列嵌入到
    维数为m的矩阵中,经过重构得到的矢量为

    Si={s(j-1)+1,s(j-1)+2,…s(j-1)+1+L} (2)

    式中L=N-(M-1)τ-1

    将m个矢量构造成L×m的矩阵为轨道矩阵Gm,即


    然后对轨道矩阵Gm进行奇异值分解(SVD),根据矩阵理论,Gm∈Rm×L中必定存在正
    交矩阵U∈Rm×m、V∈RL×L满足Gm=UDVT,并存在一个对角矩阵D=diag(λ1,λ2,…λm),且满足λ1
    >λ2>…>λm,即m个奇异值,取奇异谱为[6]:


    2)基于奇异谱分析的最优分解层数的确定

    根据小波变换原理,如果小波分解层数不足,将导致振动信号的能量受到限制,致
    使其对应的小波系数容易与其他小波系数在幅值上混淆。小波系数表现为白噪声特性;如
    果小波分解层数逐渐增多时,有用信号的受压缩性较显著,小波系数的幅值明显大于噪声
    信号,说明有用信号在小波空间中占主导地位,小波系数表现为信号特性[7,8]。由此容易得
    出,分解层数的确定是至关重要的,分解层数不足,致使信噪比差,信号奇异谱图较为平坦;
    当分解层数逐渐变大时,信号奇异谱出现明显的下降趋势。故可将奇异谱变化斜率K作为最
    佳分解层数的判定。


    式中i——当前分解层,即第i层;

    λi1——第i层分解层下经过SVD分解后最大奇异值;

    λim——第i层分解层下经过SVD分解后最小奇异值;

    Ki——第i层分解层下奇异谱斜率

    根据奇异谱变化斜率K,当分解层数逐渐增多时,信号经过冗余提升小波降噪后,
    信噪比明显增强。于此同时奇异谱的斜率K也呈现增大趋势。当奇异谱斜率达到到达峰值
    时,信号的信噪比达到最大,此时实现了分解层数的最优化,从而充分发挥了小波分析的效
    果。大量实验显示:当分解层数大于5时,信号大多会出现失真,故设定最大分解层数nmax为
    5。分解层数最优化实现过程如(图1)所示:

    由此根据大量实验得出阈值的计算公式为:


    式中ej1为尺度为i=1上细节信号的奇异值。

    选取不同信噪比的含噪信号进行不同分解层数下奇异谱斜率计算,随着分解层数
    的增加奇异谱斜率也逐渐增大,当奇异谱斜率达到某特定值后,奇异谱的斜率会随着分解
    层数的增加而有下降的趋势,说明当分解层数达到一定值时,有效信号的特征得到充分地
    增强,此时分解层数为最优。

    3)利用步骤(1)采集的声发射信号根据分解层数最优化实现过程选定最优化分解
    层数。

    4)根据选定最优化分解层数,对采集到的声发射信号利用冗余提升小波分析处理
    得到信号的时域图和频域图。通过对时域图和频域图的分析判定设备故障情况。

    关于本文
    本文标题:一种用于采集、提取及诊断齿轮箱早期故障特征信号的方法.pdf
    链接地址://www.4mum.com.cn/p-6013965.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 5分快3计划软件哪个好用 pk10计划软件免费手机版 时时彩后一 位稳赚法 北京快三在哪买 中彩网七乐彩开奖视频 北京体彩中心扫码投注 福彩快乐十分玩法技巧 重庆时时精准全天计划 天津时时有漏洞吗 双色球赔输 pk10软件怎么制作 炸金花玩法 幸运28预测在pc28点sc 海南七星彩免费6组头尾 pk10冠军技巧5码公式稳赚计划网 幸运飞艇5码倍投