基于FSC和EMD的齿轮多故障信号解耦及特征提取方法

本发明涉及的是一种齿轮故障诊断方法，具体地说是齿轮耦合故障诊断方法。

背景技术：

1、齿轮箱作为机械传动的重要部件，在船舶动力装置、车辆传动系统、化工及机加工设备中得到了广泛应用。由于齿轮箱工作负荷较大、工作环境多变，导致齿轮箱容易发生各种故障，从而对设备运行及人员安全产生危害。因此，齿轮箱故障诊断具有重要的意义。

2、齿轮箱的振动信号包含了齿轮箱各部件的状态信息，基于振动信号的故障诊断得到了广泛研究和应用。但是，随着现代齿轮箱结构的设计向复杂化、多功能化、高功率方向发展，齿轮箱中的主动齿轮、从动齿轮、轴承同时发生故障的概率逐渐增高，当齿轮箱多部件同时发生故障时，基于振动信号提取的各部件故障特征相互混叠，难以区分每个部件的特征，这为齿轮箱的故障诊断带来困难。

技术实现思路

1、本发明的目的在于提供能解决齿轮箱多部件耦合故障信号成分复杂、特征提取困难等问题的基于fsc和emd的齿轮多故障信号解耦及特征提取方法。

2、本发明的目的是这样实现的：

3、本发明基于fsc和emd的齿轮多故障信号解耦及特征提取方法，其特征是：

4、(1)获取齿轮箱耦合故障信号：将传感器布置于齿轮箱表面，采集齿轮箱运行过程中产生的振动信号，并以数字信号的形式储存振动信号；

5、(2)计算齿轮箱的故障部件故障冲击频率；

6、(3)fsc变换；

7、(4)识别各部件自振频率；

8、(5)对原始信号进行emd分解；

9、(6)识别故障信号；

10、(7)提取故障特征。

11、本发明还可以包括：

12、1、齿轮箱的故障部件包括主动齿轮、从动齿轮、轴承，故障冲击频率计算过程如下。

13、首先计算齿轮故障冲击频率，设主动齿轮所在轴的转速为n1，主动齿轮故障冲击频率αmain为：

14、

15、设主动齿轮齿数为z1，从动齿轮齿数为z2，主、从动齿轮的传动比为gr为：

16、

17、从动齿轮的故障冲击频率αslave为：

18、

19、然后计算轴承故障冲击频率，轴承的故障冲击频率由其位置和故障类型决定，轴承按位置包括主动轮轴承、从动轮轴承，轴承的故障类型包括内圈故障、外圈故障、滚动体故障、保持架故障；

20、设轴承滚动体个数为zb，滚动体直径为d，滚动体中心所在圆直径为d，轴承接触角为θ。轴承所在轴的转频为αr，轴承内圈故障冲击频率αbi为：

21、

22、轴承外圈故障冲击频率αbo为：

23、

24、轴承滚动体故障冲击频率αbr为：

25、

26、轴承保持架故障冲击频率αbc为：

27、

28、根据上述内圈故障冲击频率、外圈故障冲击频率、滚动体故障冲击频率、保持架故障冲击频率，不同轴承故障的冲击频率都与转频αr有关，对于主动轮轴承，则αr＝αslave，得到主动轮轴承四种故障的冲击频率：αmain_bi、αmain_bo、αmain_br、αmain_bc；对于从动轮轴承，则αr＝αslave，从动轮轴承四种故障的冲击频率αslave_bi、αslave_bo、αslave_br、αslave_bc；

29、各部件的冲击频率为：主动齿轮冲击频率αmain，从动齿轮冲击频率αslave，轴承冲击频率[αmain_bi,αmain_bo,αmain_br,αmain_bc,αslave_bi,αslave_bo,αslave_br,αslave_bc]。

30、2、fsc变换的过程为：

31、首先，选取窗函数w＝[w(1),w(2),…,w(p),…,w(nw)]，其中nw为窗函数的长度；

32、根据stft理论，对原始信号多次施加窗函数，计算原始信号x＝[x(1),x(2),…,x(l)]在第i个窗口内，频率点fk处的能量xstft(i,fk)：

33、

34、式中，fk＝(k-1)δf，k＝1,2,…,nw，δf＝fs/nw，fs为采样频率；i＝1,2,…,iw，iw＝l/r，r为加窗的步长；

35、对式进行相位校正，将其乘以

36、

37、令q＝p+i·r，代入上式，得到stft变换结果的gabor形式xw(i,fk)：

38、

39、对信号进行频移，频移量为α，则信号在频率fk–α处的能量为：

40、

41、式中，α＝ks/2r，ks＝1,2,…,fs；

42、由fsc变换原理，频移量为α时，根据xw(i,fk)和xw(i,fk-α)，计算冲击频率等于α的故障成分在频率点fk处的能量sx(fk,α)：

43、

44、式中，||w||2为窗函数的模长，

45、sx(fk,α)即为fsc变换的结果，其中α为频移量，同时也是周期故障成分的冲击频率，设定α＝ks/2r，ks＝1,2,…,fs。

46、3、步骤(4)具体为：α、fk和sx(fk,α)组成的三维图谱称为信号的fsc图，对于耦合故障信号，fsc图中会出现m个sx(fk,α)值较高的频带，读取这些频带对应的α及fk值，得知信号中含有自振频率和冲击频率分别为[fk1,α1]、[fk2,α2]、…、[fkm,αm]的m个故障成分；将信号冲击频率[α1,α2,…,αm]分别与各部件发生故障时的冲击频率[αmain_g,αslave_g,αmain_bi,αmain_bo,αmain_br,αmain_bc,αslave_bi,αslave_bo,αslave_br,αslave_bc]进行对比，从而确定[α1,α2,…,αm]所对应的故障部件，进而确定自振频率[fk1,fk2,…,fkm]所对应的故障部件，故障部件总数为m个。

47、4、emd分解的步骤如下：

48、①输入原始信号x＝[x(1),x(2),…,x(l),…,x(l)]；

49、②识别x的全部极大值点，使用三次样条插值法连接各极大值点，使得每两个相邻极大值点间的连线都是光滑的三次多项式曲线，从而得到上包络线emax＝[emax(1),emax(2),…,emax(l),…,emax(l)]；使用同样方法得到下包络线emin＝[emin(1),emin(2),…,emin(l),…,emin(l)]；

50、③计算上下包络线的均值m＝[m(1),m(2),…,m(l),…,m(l)]：

51、

52、④计算包络差值h＝[h(1),h(2),…,h(l),…,h(l)]：

53、h(l)＝x(l)-m(l)，l＝1,2,...,l

54、⑤判断h是否满足固有模态的条件：1)在整个信号长度范围内，极大值的数目和过零点的数目必须相等或者相差一个；2)在时间轴上的任何地方，由信号极大值点形成的上包络谱和由极小值点形成的下包络谱的均值为零；

55、若不满足，令x＝h，重复步骤①～⑤；

56、若满足条件，令i1＝h，得到第一个固有模态i1＝[i1(1),i1(2),…,i1(l),…,i1(l)]；

57、⑥计算残差r1＝[r1(1),r1(2),…,r1(l),…r1(l)]：

58、r1(l)＝x(l)-i1(l)，l＝1,2,...,l

59、令x＝r1，重复步骤①～⑥，计算下一个固有模态i2、i3、…、in，其中in对应的残差为rn，rn＝[rn(1),rn(2),…,rn(l),…,rn(l)]；

60、当残差信号的模长小于给定阈值时，信号分解终止，即：

61、

62、式中，ε为残差模长阈值；

63、共分解得n个imf分量i1，i2，…，in，以及一个残差信号r＝rn；信号分解过程中，通过设定合适的阈值ε，使得imf分量数量n>故障部件总数m。

64、5、步骤(6)识别故障信号的过程为：

65、对emd分解所得到的i1,i2,…,in进行频谱分析，得到频谱s1,s2,…sn，绘制各频谱的包络线，找出其极大值点处的频率fw1,fw2,…,fwn，即i1,i2,…,in的自振频率；

66、将[fw1,fw2,…,fwn]与各部件的自振频率进行对比，得到各部件对应的imf分量，无对应部件的imf分量为噪声分量。

67、6、步骤(7)提取故障特征的过程为：

68、确定各部件故障信号后，分别计算各部件的故障特征；均方根及峭度分别反映了信号的幅值和冲击特性大小，选用均方根及峭度作为特征；

69、信号均方根计算公式如下：

70、

71、信号峭度的计算公式如下：

72、

73、本发明的优势在于：

74、1、本发明计算简便，适用于复杂传动系统多部件耦合故障所产生的振动信号。

75、2、本发明采用fsc算法确定信号中的周期成分，并依据信号的周期特性确定齿轮箱的故障部件，具有较高的故障识别精度，并且能够准确获取故障部件的频率信息。

76、3、本发明使用emd算法自适应地解耦故障信号，通过选取最优imf分量确定与故障部件最匹配的信号分量，能够提高故障信号的识别精度。