一种基于敏感IMF的克林根贝尔格锥齿轮故障诊断方法

摘要

本发明公开了一种基于敏感IMF的克林根贝尔格锥齿轮故障诊断方法，该方法包括：1、利用加速度传感器对克林根贝尔格锥齿轮箱进行测量，采集加速度振动信号；2、将采集的信号导入Matlab中，得到原始信号，对其进行EMD分解，得到一系列IMF分量；3、根据敏感度评估算法计算各IMF分量的敏感度，选择出敏感IMF分量；4、计算敏感IMF分量的瞬时能量谱并绘制出瞬时能量谱图，根据谱图中幅值的分布，准确地提取故障特征。本发明方法是一种有效的故障特征提取方法，能够运用于克林根贝尔格锥齿轮的故障诊断中，并能快速准确地提取出故障信息；同时为克林根贝尔格锥齿轮的故障诊断和特征提取提供重要的理论依据。

主权项

一种基于敏感IMF的克林根贝尔格锥齿轮故障诊断方法，其特征在于，该方法包括以下步骤：1）利用加速度传感器对克林根贝尔格锥齿轮箱进行测量，采集齿轮加速度振动信号作为待分析信号；其中分别采集正常克林根贝尔格锥齿轮齿轮副的振动加速度信号作为参考信号xnor(t)，发生故障后的齿轮副振动加速度信号作为故障特征提取的待分析信号x(t)；2）将采集的待分析信号x(t)导入Matlab软件中，得到原始信号，对原始信号进行EMD（Empirical Mode Decomposition）分解，得到一系列IMF（Intrinsic Mode Function）分量，其中，各IMF分量应当满足两个条件：(a)在整个时间序列信号中，极值点的个数和过零点的个数相等，或至多相差一个，(b)在任一时间点上，由信号的局部极大值点形成的包络线和由局部极小值点形成的包络线的平均值为零，即信号关于时间轴局部对称；2.1）确定待分析信号x(t)的所有局部极值点，用三次样条曲线将所有的极大值点连接起来形成x(t)的上包络线，同样连接所有的极小值点形成待分析信号x(t)的下包络线，上下包络线应该包络所有的数据点，记上下包络线的平均值为m1(t)，并计算待分析信号x(t)和m1(t)的差值，得到：h1(t)=x(t)‑m1(t)2.2）对于不同的待分析信号x(t)，h1(t)可能满足IMF的条件，若不满足IMF分量的条件，此时将h1(t)作为原始信号，计算h1(t)和m11(t)的差值，得到：h11(t)=h1(t)‑m11(t)其中，m11(t)为h1(t)的上、下包络线均值，若此时h11(t)不满足IMF分量的条件，则重复上述过程k次，得h1k(t)=h1(k‑1)(t)‑m1k(t)，直到h1k(t)满足IMF分量的条件，或者连续两个分解结果之间的标准差SD值小于某一设定值，得到一个IMF分量，记为：C1(t)=h1k(t)其中，标准差SD为： SD = Σ t = 0 T | h 1 ( k - 1 ) ( t ) - h 1 k ( t ) | 2 Σ t = 0 T h 1 ( k - 1 ) 2 ( t ) 2.3）令r1(t)=x(t)‑C1(t)，将r1(t)作为新的待分析信号重复2.1）、2.2）的步骤，直到rn(t)成为一个单调函数或不可再分解为止，至此，信号x(t)被分解为： x ( t ) = Σ i = 1 n C i ( t ) + r n ( t ) 3）根据敏感性评估算法计算各IMF分量的敏感度，剔除与故障无关或噪声干扰的IMF分量，选择出敏感IMF分量；3.1）计算信号x(t)和各IMF分量Ci(t)之间的相似性系数，并记为αi，其中， α i = ∫ - ∞ + ∞ x ( t ) C i ( t ) dt ∫ - ∞ + ∞ x 2 ( t ) dt · ∫ - ∞ + ∞ C i 2 ( t ) dt , i = 1,2,3 , . . . , n ; 3.2）计算正常信号xnor(t)和各IMF分量Ci(t)之间的相似性系数，并记为βi，其中， β i = ∫ - ∞ + ∞ x nor ( t ) C i ( t ) dt ∫ - ∞ + ∞ x nor 2 ( t ) dt · ∫ - ∞ + ∞ C i 2 ( t ) dt , i = 1,2,3 , . . . , n 3.3）定义敏感度因子ξ，并计算各IMF分量Ci(t)的敏感度； ξ i = | α i - β i | Σ i = 1 n | α i - β i | × 100 % , i = 1,2,3 , . . . , n 3.4）根据ξ值的大小来选择最能反应故障特征信息的IMF分量，定义为敏感IMF分量，其中，选择ξ值较大者为敏感IMF分量。4）计算敏感IMF分量的瞬时能量谱，采用Matlab软件绘制出瞬时能量谱图，根据瞬时能量谱图中幅值的分布，准确地提取故障特征。