一种行星齿轮箱健康状态评估方法
【技术领域】
[0001] 本发明属于行星齿轮箱健康状态评估技术领域，具体设及一种行星齿轮箱健康状 态评估方法。
【背景技术】
[0002] 行星齿轮箱通常被广泛用于风机、直升机、起重机等大型复杂机械装备中。目前对 机械设备传动系统的健康状态评估研究多数W定轴传动系统为研究对象。但许多新设备的 传动系统由复杂的行星传动机构和平行轴传动机构共同构成，且实际运行状况通常是变化 的，结构的复杂和工况的变化使得行星传动机构的退化模式、特征频率等内容较定轴传动 机构更为复杂，理论分析和计算的难度也随之增加，运就给相应的健康状态评估工作带来 了巨大的困难。行星齿轮箱振动信号的特征提取是其健康状态评估的关键步骤，提取出对 外界工况变化不敏感而对设备本身健康状态变化敏感的特征参数对监测设备的性能W及 退化过程非常重要，近年来有很多研究机构和学者在运一领域进行了深入的研究和积极的 探索。化Simir等提出了一个基于特征选择和近邻准则的汽车发动机健康状态评估模型，改 善了电子工业的健康状态评估流程;成都电子科技大学的Liu和如等采用混合核特征选择 和核Fisher分类的降维方法对行星齿轮箱故障等级进行诊断，实验证明，二者结合比单独 应用其中一个的效果更好;军械工程学院的张星辉等提出了一种新的特征参数和一种新的 特征参数提取方法，分别是基于AR模型的能量比和可W提高齿轮故障产生脉冲幅值的窄带 干扰消除方法，并成功应用于齿轮箱的健康状态评估和寿命预测等等。旋转机械设备在运 行的过程中会产生大量带有其运行状态信息的振动信号，如果设备发生故障，在其频谱上 就会有所反应，通常是特定频率信号幅值的增加。原则上，通过将目前采集的振动信号与之 前正常状态下的振动信号进行对比分析就可W对设备的健康状态进行评估，但在实际操作 过程中运样的对比并不是很有效，因为对大量振动信号直接进行对比分析是非常困难的。
【发明内容】
[0003] 本发明所要解决的技术问题是提供一种能对行星齿轮箱实现故障定位的行星齿 轮箱健康状态评估方法。
[0004] 为解决上述技术问题所采用的技术方案是:一种行星齿轮箱健康状态评估方法， 其包括如下步骤： (1) 采集待诊断设备的原始振动信号;采集与待诊断设备结构相同的设备的正常状态 下信号、太阳轮故障状态下信号、行星轮故障状态下信号和齿圈故障状态下信号； (2) 将所述原始振动信号进行经验模态分解，得到K个固有模态函数
(3) 计算原始振动信号X的能量值得到原始振动信号能量值
其中，XXi为原 始振动信号的离散序列，是与系统采样频率对应的采集点处的振动信号幅值，N表示采集点 的总数;分别计算K个固有模态函勤
的能量值得到K个固有模态函数能量值
其中
分别为固 有模态函数拘，％，:'-':弟^的离散序列，是与系统采样频率对应的采集点处的振动信号幅 值，N表示采集点的总数； (4)分别计算所述K个固有模态函数能量值
与原始振动信号能量值 的比值，得到K个比值，将所述K个比值按从大到小的顺序排列，得到比值排列，从所述 比值排列中选择前P个比值
：其中P为大于1小于K的整数； 巧)将所述比值排列中剩余的K-P个比值对应的固有模态函数叠加到一起，作为第P+1 个固有模态函数； (6)特征向量提取： 进行组合特征参数计算，并提取特征向量； 分别计算P+1个固有模态函数的组合特征参数，得到P+1个固有模态函数组合特征参数
;由固有模态函数组合特征参数I
得到 固有模态函数特征向量
； 抽取P+1个所述正常状态下信号，分别计算P+1个正常状态下信号的组合特征参数，得 至化+1个正常状态下信号组合特征参数
；由正常状态下信号组合 特征参数
得到正常状态下信号特征向量
―; 抽取P+1个所述太阳轮故障状态下信号，分别计算P+1个太阳轮故障状态下信号的组合 特征参数，得到P+1个太阳轮故障状态下信号组合特征参i
;由 太阳轮故障状态下信号组合特征参数
得到太阳轮故障状态下信 号特征向量
； 抽取P+1个所述行星轮故障状态下信号，分别计算P+1个行星轮故障状态下信号的组合 特征参数，得到P+1个行星轮故障状态下信号组合特征参数
；由 行星轮故障状态下信号组合特征参数
>得到行星轮故障状态下信 号特征向量
抽取P+1个所述齿圈故障状态下信号，分别计算P+1个齿圈故障状态下信号的组合特征 参数，得到P+1个齿圈故障状态下信号组合特征参数
；由齿圈故 障状态下信号组合特征参i
得到齿圈故障状态下信号特征向量
(7)欧式距离计算： 计算所述固有模态函数特征向量
与所述正常状态下信 号特征向量
之间的欧式距离化;计算公式如下：
计算所述固有模态函数特征向；
与所述太阳轮故障状 态下信号特征向J
之间的欧式距离1? ;计算公式如下：
计算所述固有模态函数特征向i
与所述行星轮故障状 态下信号特征向量
之间的欧式距离1?;计算公式如下：
计算所述固有模态函数特征向量
与所述齿圈故障状态 下信号特征向量
之间的欧式距离1?;计算公式如下：
(7 )行星齿轮箱健康状态评估： 比较所述欧式距离化、欧式距离化、欧式距离化和欧式距离〇4的大小，选择所述欧式距 离化、欧式距离化、欧式距离化和欧式距离〇4中最小的一个进行行星齿轮箱健康状态评估； 如果欧式距离化最小，则行星齿轮箱健康状态为正常状态； 如果欧式距离化最小，则行星齿轮箱健康状态为太阳轮故障状态； 如果欧式距离化最小，则行星齿轮箱健康状态为行星轮故障状态； 如果欧式距离〇4最小，则行星齿轮箱健康状态为齿圈故障状态。
[0005]所述组合特征参数计算方法如下： (1) 特征参数的提取： 分别提取固有模态函数的特征参数、正常状态下信号的特征参数、太阳轮故障状态下 信号的特征参数、行星轮故障状态下信号的特征参数和齿圈故障状态下信号的特征参数； 所述特征参数包括最大值、最小值、峰峰值、均值、均方值、均方根、方差、标准差、能量、方根 幅值、平均幅值、均方幅值、峭度、偏斜度、波形指标、峰值指标、脉冲指标、裕度指标、余隙系 数、频率均值MF、中屯、频率FC、均方根频率RMSF、频率标准差STDF、FMO、邸、FM4、FM4*、M6A、 M6A*、M8A、M8A*、NB4、NB4*、NA4、NA4*和EOP; (2) 特征参数的选择： 假设目标设备有N种健康状态，每种健康状态下采集Mn个样本，每个样本提取出K个特 征参数，那么可W得到一个特征矩阵m=l，2，'''，Mn; n=l，2，'''，N; k=l，2,…，K}，其 中fm,n,k是第n种健康状态下第m个样本的第k个特征参数，那么特征参数选择程序可W按照 如下步骤进行： (2-1)计算同一健康状态各样本原始振动信号之间的平均欧氏距离
(式1) 进而可W计算N种健康状态原始信号之间的平均距离沮p^): 巧2)
套距小的情况下设备处于正常状态的可 能性 曼动指标如下 (式3) 数的平均值 (式4) 参数平均值之间的平均距离 (式5) 坡动指标如下 (式6) 参数值的变化，定义波动指标％如下： (式7) 均值之间的平均距离游诗日N种健康状态 原始 信标.％的影响 (式8) 数值 (式9) 假设目标设备有巧巾工况状态，每种工况状态下采集Mn个样本，每个样本提取出K个特 征参数，那么可W得到一个特征矩阵{fm,s,k, m=l，2，'''，Mn; s=l，2，'''，S; k=l，2,…，K}，其 中fm,s,k是第S种健康状态下第m个样本的第k个特征参数，那么特征参数选择程序可W按照 如下步骤进行： (2-7)计算同一工况状态各样本原始振动信号之间的平均欧氏距离
(：式 10) 巧11) (：式 12) 值 巧U) 值之间的平均距离 巧14) 养如下 巧15) 勺变化，定义波动指标/?如下： (式 16) (2-12)计算不同工况状态之间各个特征参数平均值之间的平均距离丑唯> 和巧巾工况状 态原始信号之间的平均距离及1产的比值，同时考虑波动指标的影响
巧17) 日一化处理，得 (：式 18) 与兩的差值巧，选择Vk含O的朽所对应的特征参数； 假设有H个Vk含O的特征参数，则得到的是H个对外界工况变化不敏感而对设备本身健 康状态变化敏感的特征参数fi，f2，…，时； (3)特征参数加权 把所述特征参数fi，f 2，…，时作为目标设备有N种健康状态，每种健康状态下采集Mn个 样本，每个样本提取出的H个特征参数，按照与步骤(2)中（2-1)~(2-9)方法执行，得到H个归 一化数值作为敏感程度系数，即各特征参数的加权系数日1，日2,…，BH,最终得到一个组合 特征参数f new=aif l+32f 2+…+祉时;组合特征参数f new=aif l+32f 2+…+祉时。
[0006] 本发明的有益效果是： 提取振动信号中能反应设备运行状态信息的特征参数容易实现，而且提取出的特征通 常要比原始信号本身更加稳定，同时也会减少数据的维度，因而使行星齿轮箱健康状态评 估方法更有效。本发明适用于非线性和非平稳性振动信号的处理，且能从噪声污染严重的 振动信号中提取出所需的特征参数用于健康状态