基于柔性时域平均的齿轮箱故障检测方法

摘要

基于柔性时域平均的齿轮箱故障检测方法，先将加速度传感器吸附在被检测齿轮箱的轴承端盖位置，通过数据采集设备对齿轮箱的振动信号进行采集，求得振动信号的频域离散采样值；计算时域平均的连续时间表达式，转换为三角函数展开形式，通过对ak进行加权处理，实现对时域平均的滤波、消噪和阶次信息提取，进行离散采样，得到离散时域平均序列，最后通过观察由步骤六得到的序列中出现的周期性冲击，判断齿轮箱故障的类型及严重程度，本发明对截断误差进行了有效抑制，在达到消噪效果的同时，提高了信号的分辨率，提高齿轮箱的检测效率。

主权项

基于柔性时域平均的齿轮箱故障检测方法，其特征在于，包括以下步骤：步骤一，将加速度传感器吸附在被检测齿轮箱的轴承端盖位置，通过数据采集设备对齿轮箱的振动信号进行采集，将振动信号记为x[n]；步骤二，采用公式(1)所示的chirp Z变换，求得振动信号的频域离散采样值；$b_k=\underset{n=0}{\overset{N-1}{\Sigma }}x\left[n\right]·z_k^{-n}=\underset{n=0}{\overset{N-1}{\Sigma }}x\left[n\right]·e^{-\mathrm{j\Delta \omega kn}}=\underset{n=0}{\overset{N-1}{\Sigma }}x\left[n\right]·e^{-j2\mathrm{\pi kn\Delta t}/T_0}---\left(1\right)$其中：x[n]‑‑‑振动信号；b_k‑‑‑振动信号的频域离散采样值；Δω‑‑‑归一化频域采样间隔；N‑‑‑振动信号的数据长度；T₀‑‑‑信号的周期；Δt‑‑‑信号的采样时间间隔；步骤三，将公式(1)计算得到的b_k带入公式(2)，得到时域平均的连续时间表达式；$\tilde{x}\left(t\right)=\underset{k=-L}{\overset{L}{\Sigma }}\frac{b_k·\mathrm{\Delta t}}{{\mathrm{NT}}_0}{e}^{\mathrm{jk}{\omega }_{0}t}=\underset{k=-L}{\overset{L}{\Sigma }}{c}_k{e}^{\mathrm{jk}{\omega }_{0}t}---\left(2\right)$其中：‑‑‑时域平均的连续时间表达式；c_k‑‑‑的复指数傅里叶展开系数；ω₀‑‑‑周期信号的角频率，ω₀＝2π/T₀；L‑‑‑求和上限；步骤四，将公式(2)转换为三角函数展开形式，如公式(3)所示；其中：a₀‑‑‑信号的直流分量，a₀＝c₀；a_k‑‑‑k次谐波的幅值，a_k＝2|c_k|；‑‑‑k次谐波的相位，步骤五，通过对a_k进行加权处理，实现对时域平均的滤波、消噪和阶次信息提取，其具体实施方法为：通过选取噪声阈值，并将小于阈值的a_k置零，实现时域平均的消噪功能；通过保留指定阶次的a_k，而将其他a_k置零，实现时域平均的阶次提取功能；通过保留特定阶次范围内的a_k，实现时域平均的滤波功能；步骤六，对加权处理后的公式(3)进行离散采样，得到离散时域平均序列；步骤七，通过观察由步骤六得到的序列中出现的周期性冲击，判断齿轮箱故障的类型及严重程度，从而完成齿轮箱故障检测。