本发明属于在线监测与故障诊断技术领域，具体涉及一种适用于低转速下行星轮系故障诊断的振动分离方法，主要适用于在低转速和一定工况变化情况下，从原始振动信号中分离出行星轮系中各齿轮振动信号。
背景技术：
行星轮系在直升机主减速器、风机齿轮箱等大型装备的传动系统中有广泛的应用，行星轮系的健康状况对装备的运行性能有很大的影响，一旦传动链中行星轮系发生故障，将造成装备停机，给生产带来极大的影响。为此，行星轮系的状态监测和故障诊断研究成为近年来的热点之一。
就目前而言，国内外的学者们针对行星轮系的故障诊断开展了一系列研究工作，将谱分析法、时频分析法等定轴齿轮故障诊断方法拓展到行星轮系的故障诊断中，在一定程度上解决了行星轮系的故障诊断问题。但是，行星轮系故障诊断的核心困难仍然没有得到解决：首先，行星轮系中通常包含多个行星轮，存在多个轮齿啮合副，故障轮齿啮合引发的冲击现象不明显，故障特征比较微弱；其次，行星轮系中振动信号的传递路径较长，振动信号由振动源传递到传感器的过程中故障特征衰减严重；最后，行星轮系中存在的轴、轴承等其他动部件的状态特征信号也对故障信号造成影响。除此之外，行星轮系在装备中位于传动系统末端，转速较低，各故障频率比较接近，而行星轮系中有多种动部件，要在频谱或时频谱中分辨出各故障特征频率成分对谱分辨率提出了很高的要求，尽管在理论上可以通过延长信号采样长度的方法提高谱分辨率，但这无疑增加了计算的难度和对硬件系统的配置要求。
技术实现要素：
针对现有技术中存在的上述问题，本发明公开了一种适用于低转速下行星轮系故障诊断的振动分离方法，该方法基于轮齿啮合关系求解和行星架回转的幅值调制效应，通过行星架的转速脉冲信号对振动信号进行分割、提取、组合，然后解算轮齿啮合关系，建立分离出的数据和轮齿之间的映射关系，重构出各个齿轮部件的特征信号，重构得到的特征信号称为振动分离向量。振动分离向量中保留了目标动部件的动态特征，消除了其他部件振动的影响，消除了行星架回转的幅值调制效应，包含目标部件更多的故障信息。该方法操作简便、监测精度高、适用范围广、适用于低转速运行下的行星轮系监测与故障诊断问题。
为此，本发明采用了以下技术方案：
一种适用于低转速下行星轮系故障诊断的振动分离方法，包括如下步骤：
步骤一，数据采集和重采样：同步采集行星轮系多个测点的振动信号和转速脉冲信号，根据行星架旋转的转速脉冲信号进行数据分割和重采样；
步骤二，数据提取：从各周期信号中提取出与目标齿轮相关的振动信号，形成组合集；
步骤三，振动分离向量重构：根据齿轮啮合时序关系，从组合集中按照一定的映射重构方法，得到各齿轮部件的振动分离向量。
进一步地，所述步骤一的具体流程如下：
第一步，数据采集：使用同步采样方法，对多个测点的振动信号以及行星架的转速脉冲信号进行采样，采样要求同步进行，即各通道的采样时钟必须一致；测量并记录加速度传感器和行星轮相对于转速传感器的安装位置，记录齿圈齿数nr，行星轮齿数np，太阳轮齿数ns，行星轮个数np；
第二步，数据分割：以转速脉冲信号为基准，对各通道振动数据进行分割；
第三步，数据滤波：对数据进行滤波处理，滤除不相干频率成分；
第四步，重采样：对数据进行重采样，消除转速波动造成的各回转周期采样点数不同的影响。
进一步地，所述步骤二的具体流程如下：
第一步，计算提取索引：根据行星轮编号和振动传感器编号计算数据提取的中心点索引值；
第二步，确定数据长度：设定数据提取窗长，由数据窗长计算提取数据长度；
第三步，构成组合集：组合集是一个四维矩阵，这四个维度分别表示传感器编号、行星轮编号、行星架回转周期编号和数据点索引值。
进一步地，所述计算提取索引的过程如下：
数据提取位置由提取索引
式中：mod为模函数，分离角度
式中：round函数是最近取整函数。
进一步地，所述确定数据长度的过程如下：
设mv为一个奇数，该奇数表示所需要的数据的tmp数目；那么相应的提取数据点数给定为：
le＝mvnzp，
这里mv为奇数的限制是为了简化后续的分析，因为它处于与
提取的数据段的起始位置给定为：
从而可得到数据点的范围为：
任意传感器aj和行星轮pi的组合都可以确定一个数据提取位置，因此，对于有np个行星轮、na个传感器的行星轮系故障诊断系统，共有na×np个数据提取位置；
齿圈相对于传感器位置不变，因此，齿圈振动信号提取长度le确定方法与行星轮和太阳轮不同；在齿圈振动信号分离流程中，数据长度le参数确定方法为：使用提取索引
进一步地，所述组合集同时保存了提取数据以及提取数据所对应的传感器、行星轮和行星架循环编号等信息。
作为一种具体方案，所述步骤三的具体流程如下：
第一步，构建tsa集：对组合集中数据按照齿轮复位周期进行时域同步平均处理，消除噪声和不相关成分的影响；
第二步，加窗映射：通过齿轮啮合时序求解，将tsa集中数据映射到组合保持矩阵对应列向量中的相应位置；
第三步，求和重构：对组合保持矩阵进行行求和操作，得到目标齿轮的振动分离向量。
进一步地，所述时域同步平均处理在构造组合集和齿圈组合集之后进行；选定传感器aj和行星轮pi，对组合集中相应的数据层中的数据进行平均处理，得到tsa集；tsa集中的数据相比组合集中的提取数据，噪声较小，振动特征更明显。
进一步地，所述加窗映射通过轮齿啮合时序求解，将tsa集中数据映射到组合保持矩阵对应列向量中的相应位置；加窗映射是在得到tsa集合之后，对tsa集中数据匹配索引
进一步地，所述数据匹配索引的计算方法对于齿圈、行星轮和太阳轮各有不同；
对于齿圈而言，匹配索引：
对行星轮而言，匹配索引表示在第k个行星架循环中，当行星轮pi和传感器aj对齐时，提取数据在行星轮振动分离向量中对应的位置；分离角度
式中：
对太阳轮而言，当行星架旋转时，通过跟踪太阳轮1号轮齿的角度
上式中lv为太阳轮振动分离向量数据长度，lv＝ns×ntp；
tsa信号在组合保持矩阵中的位置由匹配索引
式中：
与现有技术相比，本发明的有益效果是：
(1)振动分离向量中保留了目标动部件的动态特征，消除了其他部件振动的影响，消除了行星架回转的幅值调制效应，包含目标部件更多的故障信息。
(2)解决了低转速下行星轮系的监测与故障诊断问题。
(3)操作简便，监测精度高，适用范围广。
附图说明
图1是本发明所提供的一种适用于低转速下行星轮系故障诊断的振动分离方法的流程示意图。
图2是本发明实施例中传感器及行星轮安装位置示意图。
图3是本发明实施例中数据分割示意图。
图4是本发明实施例中转速波动引起的数据长度变化示意图。
图5是本发明实施例中数据提取流程示意图。
图6是本发明实施例中tsa集构建流程图。
图7是本发明实施例中加窗映射流程示意图。
图8是本发明实施例中组合保持矩阵中的数据波形图。
图9是本发明实施例中振动分离结果可视化图。
具体实施方式
下面结合附图以及具体实施例来详细说明本发明，其中的具体实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
如图1所示，本发明公开了一种适用于低转速下行星轮系故障诊断的振动分离方法，包括如下步骤：
步骤一，数据采集和重采样：同步采集行星轮系多个测点的振动信号和转速脉冲信号，根据行星架旋转的转速脉冲信号进行数据分割和重采样；
步骤二，数据提取：从各周期信号中提取出与目标齿轮相关的振动信号，形成组合集；
步骤三，振动分离向量重构：根据齿轮啮合时序关系，从组合集中按照一定的映射重构方法，得到各齿轮部件的振动分离向量。
所述步骤一的具体流程为：
(1.1)数据采集：使用同步采样方法，对多个测点的振动信号以及行星架的转速脉冲信号进行采样，采样需要同步进行，即各通道的采样时钟必须一致；此外，测量并记录加速度传感器和行星轮相对于转速传感器的安装位置，记录齿圈齿数nr，行星轮齿数np，太阳轮齿数ns，行星轮个数np；
(1.2)数据分割：以转速脉冲信号为基准，对各通道振动数据进行分割；
(1.3)数据滤波：对数据进行滤波处理，滤除不相干频率成分；
(1.4)重采样：对分割、滤波后的数据进行重采样，消除转速波动造成的各回转周期采样点数不同的影响。
所述步骤二的具体流程为：
(2.1)计算提取索引：根据行星轮编号和振动传感器编号计算数据提取的中心点索引值；
数据提取位置由提取索引
式中：mod为模函数。分离角度
式中：round函数是最近取整函数。
(2.2)确定数据长度：设定数据提取窗长，由数据窗长计算提取数据长度；
确保一个轮齿的全部tmp在一个行星架周期内被提取到的一种方法是，采用和多个tmp相对应的额外的数据点。设mv为一个奇数，该奇数表示所需要的数据的tmp数目。那么相应的提取数据点数给定为
le＝mvntp，
mv为奇数的限制是为了简化后续的分析，因为它处于与
提取的数据段的起始位置给定为：
从而可得到数据点的范围为：
任意传感器aj和行星轮pi的组合都可以确定一个数据提取位置，因此，对于有np个行星轮na个传感器的行星轮系故障诊断系统，共有na×np个数据提取位置。
齿圈相对于传感器位置不变，因此，齿圈振动信号提取长度le确定方法与行星轮和太阳轮不同。在齿圈振动信号分离流程中，数据长度le参数确定方法为：使用提取索引
(2.3)构成组合集：组合集是一个四维矩阵，各维度分别表示传感器编号、行星轮编号、行星架回转周期编号、数据点索引值。组合集同时保存了提取数据以及提取数据对应的传感器、行星轮和行星架循环编号等信息，为振动分离向量重构提供了便利。
所述步骤三的具体流程为：
(3.1)构建tsa集：对组合集中数据按照齿轮复位周期进行时域同步平均处理，消除噪声和不相关成分的影响；时域同步平均在构造组合集和齿圈组合集之后进行。具体思路为选定传感器aj和行星轮pi，对组合集中相应的数据层中的数据进行平均处理，得到tsa集。tsa集中的数据相比组合集中的提取数据，噪声较小，振动特征更明显。
(3.2)加窗映射：通过轮齿啮合时序求解，将tsa集中数据映射到组合保持矩阵对应列向量中的相应位置；加窗映射是在得到tsa集合之后，对tsa集中数据匹配索引
数据匹配索引的计算方法对于齿圈、行星轮和太阳轮各有不同：
对于齿圈而言，匹配索引
传感器aj数据子集的tsa信号在对应列向量中的位置由匹配索引
式中
对行星轮而言，匹配索引表示在第k个行星架循环中，当行星轮pi和传感器aj对齐时，提取数据在行星轮振动分离向量中对应的位置。分离角度
由行星轮与行星架的传动比关系
θp＝(1-nr/np)θc，
将可得此时行星轮的自转角度
由此可得匹配索引
tsa集合的每一个列向量根据匹配索引映射到组合保持矩阵中。数据映射范围给定为
式中
对太阳轮而言当行星架旋转时，可通过跟踪太阳轮1号轮齿的角度
式中用到行星轮系传动比公式
θs＝(1+nr/ns)θc，
由
式中：
对应的匹配索引为
式中：lv为太阳轮振动分离向量数据长度，lv＝ns×ntp。
tsa信号在组合保持矩阵中的位置由匹配索引
式中：
(3.3)求和重构：对组合保持矩阵进行行求和操作，得到目标齿轮的振动分离向量。
实施例
下面以风力发电机组齿轮箱中的行星轮系的健康监测为例来说明本发明的具体实施方式。在风力发电机组中，齿轮箱用于匹配叶片和发电机的转速，将叶片的低转速提高到发电机的工作转速。行星轮系作为风力发电机组齿轮箱的低速级，与风力发电机组主轴直接相连并由叶片驱动，行星轮系的磨损、点蚀等故障对风力发电机组的发电效率等性能有较大的影响，行星轮系的断齿、剥落等故障甚至可能引发灾难性的后果。对行星轮系进行监测对于维护风力发电机组的使用安全性和经济性非常重要。但是风力发电机组叶片转速很低，通常不超过36rpm，转频往往小于0.5hz，太阳轮、行星轮、齿圈的故障特征频率也非常接近，为了能够在频谱中有效分辨各故障特征频率，往往要求频率分辨率达到0.01hz甚至0.001hz，造成计算量的急剧增长，计算时间增长，对硬件系统配置提出了更高的要求，且造成监测系统的实时性降低。而风力发电机组齿轮箱中间级和高速级由于转速范围要求并不如此严苛，为解决行星轮系的监测问题而增加监测系统建设和运行成本也并不经济，因此，如何对于低转速下行星轮系进行状态监测和故障诊断，就成为一项困难的问题。
这里以风力发电机组行星轮系中的行星轮为对象，在实验室环境下模拟风力发电机组齿轮箱行星轮系运行工况，在低速和一定变工况条件下对行星轮系中的行星轮进行监测，以此为例，说明采用本发明的具体实施步骤：
步骤1：数据采集和重采样。
步骤1.1：数据采集：使用控制系统设置工作模式及工况参数(行星架转频为0.5hz)并运行实验设备，使用基于pc的数据采集系统同步采集加速度传感器和转速传感器的信号，采样频率为5.12khz。此外，测量并记录加速度传感器和行星轮相对于转速传感器的安装位置，如图2所示，记录齿圈齿数nr＝96，行星轮齿数np＝34，太阳轮齿数ns＝28，行星轮个数np＝4。
步骤1.2：数据分割：以转速脉冲信号跳变边沿为基准，对振动数据进行分割，图3所示为加速度计a1在8s至32s的振动数据分割，图中菱形数据点为数据分割点；
步骤1.3：数据滤波：对分割后的各数据段进行低通滤波，消除不相干频率成分的影响，滤波器截止频率为500hz；
步骤1.4：重采样：行星轮系运行过程中转速在一定范围内变化，直接反映为每个行星架循环中数据长度不同(如图4所示)，采用计算重采样方法，对各数据段进行重采样，重采样点数
步骤2：数据提取。
步骤2.1：计算提取索引：根据所记录的传感器和行星轮安装位置，首先计算
然后得出提取索引
步骤2.2：确定提取长度：在本案例中提取长度mv取3；
步骤2.3：构成组合集：将提取出的数据结构存储在组合集中；以传感器a1为例，数据提取流程如图5所示。
步骤3：振动分离向量重构。
步骤3.1：构建tsa集：对于传感器aj和行星轮pi，每个行星架周期中提取长度为le的数据片段，在原始振动信号中共提取nextract列数据，将这些数据每隔nreset,p划分为一个集合，得到nset个集合。
nset＝floor(nextract/nreset,p)
式中floor为向下取整函数。此时，各个集合中相同的列包含行星轮相同轮齿的振动特征，将所有集合中列号相同的列向量进行平均处理，得到tsa集。tsa集中共有nreset,p列向量，每个列向量长度等于le.，如图6所示。
步骤3.2：加窗映射：加窗映射是在得到tsa集之后，对每一个列向量分配匹配索引，将tsa集中数据加窗映射到行星轮特征向量相应位置，构成组合保持矩阵。图7所示为加窗映射流程示意图，将tsa集中的nreset,p列向量映射到组合保持矩阵中匹配索引对应的位置，图8所示为组合保持矩阵中的数据波形。
步骤3.3：求和重构：对组合保持矩阵进行行求和，即可得到行星轮的振动分离向量。
利用本发明所述方法，对低转速下行星轮系振动信号进行处理，选取rms作为状态指数，可得故障状态可视化结果如图9所示，由此可见本发明所述低转速下行星轮系振动分离方法能够有效进行故障诊断。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则范围之内所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。