一种基于com组件的齿轮系统多故障诊断方法
【专利摘要】本发明公开了一种基于COM组件的齿轮系统多故障诊断方法，综合运用经验模态分解、小波阈值降噪、高阶累积量理论及COM组件技术；小波阈值降噪直接作用于经验模态分解得到高频本征模函数分量，而不是直接作用于整个信号得到的降噪后的重构信号。对降噪后的重构信号进行经验模态分解-高阶累积量的处理，并依据其谱分析结果对故障模式和损伤程度做出诊断，可提高诊断的精度和效率，丰富诊断的功能。在实施过程中将COM组件技术作为诊断系统的软件实现手段，将各部分开发为COM组件，组合成能进行故障模式和损伤程度诊断的应用系统；其不但能进行典型单故障的诊断，而且能进行复合多故障诊断，且便于诊断系统的开发和在线升级。
【专利说明】一种基于COM组件的齿轮系统多故障诊断方法
【技术领域】
[0001] 本发明属于机械故障诊断【技术领域】，具体地说，涉及一种基于COM组件的齿轮系 统多故障诊断方法。
【背景技术】
[0002] 随着机械设备的日趋完善化、复杂化和自动化，设备故障诊断的理论和方法在国 内外得到了广泛的研究、发展和应用。
[0003] 发明专利CN102122133A中公开了一种"自适应小波神经网络异常检测故障诊断 分类系统及方法"，该系统的自适应小波神经网络可以对待检测样本自动建立自适应机制， 通过小波变换多尺度分析能有效提取信号的特征信息，并能够得到更加准确的异常检测、 故障诊断定位结果。在专利CN102288286A中提出了"一种振动加速度传感器齿轮箱测点精 度分析与评价方法"，通过振动加速度传感器，以转速信号为主控，对齿轮箱进行振动信号 和转速信号的同步数据采集；提取时域特征值进行分析评价，绘制RMS-Peak图和箱线图； 计算阶次谱进行分析评价；通过时域分析、频域分析方法分析结果，形成齿轮箱测点精度分 析与评价结果。发明专利CN102063109A中描述了"一种基于神经网络的地铁列车故障诊 断装置及其方法"，其下位机按照功能单元对采集到的地铁列车状态信息进行分类，并将数 据集中后再汇总给上位机，上位机接收，处理和存储下位机汇总的地铁列车状态数据，上位 机包括数据集合模块和神经网络模块，数据集合模块完成对采集到的地铁列车状态数据分 类处理；下位机采集地铁列车的实时数据信息，当地铁列车发生故障或将要发生故障时，上 位机的神经网络模块依据训练时建立的径向基函数神经网络的输出作出相应的判断和预 判，将故障信息输出至故障诊断结果模块。美国专利US201113219467A介绍了"METHOD AND APPARATUS FOR REMOTE VEHICLE DIAGNOSIS"，将车辆运行时的状态和控制数据存在一个缓 冲器中，并通过缓冲器中的处理芯片将这些数据和预设的正常参数进行对比，如有异常，缓 冲器自动向远程的诊断装置发送这些数据，从而确定是否停车维修，同时将这次异常记录 在行车日志中。
[0004] COM (Component Object Model)是Microsoft公司近年来开发的用于创建软件组 件的二进制规范，是一种对象服务器与对象客户进行交互的协议，它的创建为Windows操 作系统中的兼容性对象和通信"管道"顺利工作提供了技术规范，使得各种软件产品更加灵 活、更具有动态性并且更易于定制。符合这种规范的软件组件可以集成到程序中去，也可以 向Windows平台上的现有程序中添加新功能。COM除了具有面向对象特性和客户/服务器 特性这两个基本特性外，还具有语言无关性、对进程的透明性及其可重用机制特性。COM组 件可用各种语言工具编写而成，是〇LE，ActiveX和DirectX规范的基础。
[0005] 当前，基于振动测试而开发的机械故障诊断装置或系统，理论简单、功能单一，存 在的不足之处是不能在线实施；所依据的理论较原始，没有综合运用现代非线性科学和人 工智能的最新研究成果；对多故障和损伤程度的诊断效果较差；诊断精度不高，甚至出现 误判；诊断软件升级困难。
【发明内容】
[0006] 为了避免现有技术存在的不足，本发明提出一种基于COM组件的齿轮系统多故障 诊断方法。
[0007] 本发明的思路是：综合运用经验模态分解、小波阈值降噪、高阶累积量理论以及 COM组件技术；小波阈值降噪直接作用于经验模态分解的得到高频本征模函数分量，而不 是直接作用于整个信号得到的降噪后的重构信号。对降噪后的重构信号进行经验模态分 解-高阶累积量的处理，并依据其谱分析结果对故障模式和损伤程度做出诊断。在实施过 程中，将COM组件技术作为诊断系统的软件实现手段，将各部分分别开发为COM组件，最终 组合成能进行故障模式和损伤程度诊断的应用系统。
[0008] 本发明解决其技术问题所采用的技术方案是，一种基于COM组件的齿轮系统多故 障诊断方法，其特征在于步骤如下：
[0009] 步骤1.对齿轮传动系统原始振动信号进行EMD分解；
[0010] 对齿轮传动系统原始振动信号进行EMD分解得到η个本征模函数和一个残量信 号，
【权利要求】
1. 一种基于COM组件的齿轮系统多故障诊断方法，其特征在于步骤如下： 步骤1.对齿轮传动系统原始振动信号进行EMD分解； 对齿轮传动系统原始振动信号进行EMD分解得到η个本征模函数和一个残量信号， ^(〇=Ec?w+/?w ⑴ M-I 式中，cn(t)为分解获得的第η个MF，rn(t)为经分解筛除得到η个MF后的信号残 量； 步骤2.对带噪的高频分量即第一个本征模函数頂F1，采用小波阈值降噪处理，获得降 噪后的高频本征模函数分量；再将降噪后的高频本征模函数分量与不含噪声的低频本征模 函数分量一起重构，得到降噪后的重构信号； 降噪处理采用小波变换进行去噪的方法步骤： (1) 确定小波分解的层数，对信号进行分解计算； (2) 采用阈值确定原理确定各个分解层下细节信号的阈值，对细节信号进行阈值化处 理； 阈值确定原则采用启发式阈值，选择最优预测变量阈值，当信噪比较大时，用固定的阈 值，当信噪比较小或扰动较大时，使用Stein的无偏估计理论来确定阈值，小波降噪采用的 _值确杂棚ID丨丨加下：
其中，S为η个小波系数的平方和，ση为噪声标准方差,wb为风险函数,N为信号长度， 令η= (s_n)/n及,"=(丨 (3) 利用阈值处理后的细节信号和最后一层的近似信号进行相加，得到降噪后的信 号； 步骤3.将消噪后的重构原信号通过EMD分解成三层不同频段信号，将各频率段的特征 信号进行分离，再对每一层信号进行高阶累积量及其相关技术的谱分析； 设Mn)}为零均值平稳随机过程，则其k阶累积量ck，xOn1,m2，…，HV1)的（k-Ι)维傅 里叶变换ix(nM定义为的k阶谱，即
通常k阶谱对应于（k-Ι)谱，取k= 2, 3, 4时，式（3)分别简化为功率谱、双谱和三谱 公式； 步骤4.各步骤均采用COM组件技术实现；将MATLAB中编的每个信号分析处理算法做 成一个COM组件，当所有的组件开发完成后，通过相互间的接口来完成组件间的协同工作， 将其组合即得到完整的应用系统，实现对单故障、复合故障以及故障程度的诊断功能。
【文档编号】G01M13/02GK104316317SQ201410523304
【公开日】2015年1月28日 申请日期:2014年10月8日 优先权日:2014年10月8日
【发明者】邵忍平, 邵博丽, 汪亚运, 曹精明, 胡文涛 申请人:西北工业大学