工程车辆的车轴齿轮箱啮合故障识别方法与流程

1.本发明属于轨道工程车辆的车轴齿轮箱啮合故障检测技术领域，尤其涉及一种轨道工程车辆的车轴齿轮箱啮合故障识别方法。


背景技术：

2.在轨道工程车辆上，车轴齿轮箱是重要的传动部件之一。通常，车轴齿轮箱在高速、重载的环境下工作。在轨道工程车辆的行进过程中，车轴齿轮箱要承受大量的载荷和冲击，同时要接受严寒、酷暑的层层考验。目前，针对车轴齿轮箱的质量检测多通过台架试验的声音等级来实现。这种质量监测方法太过于笼统，无法真实有效的识别车轴齿轮箱故障。
3.车轴齿轮箱主要是靠齿轮啮合传动运动和力矩。齿轮啮合是正常可以直接反映在高频振动数据中。由于齿轮啮合的特性，正常啮合的齿轮也会产生较大的振动。同时，这些振动中还混杂了转轴、支撑轴承、轴箱轴承等部件的振动。如何从复合的振动信号中提取出啮合齿轮的信号成分，并提取出指标表征齿轮状态是识别啮合齿轮故障的关键。为此，本发明提出采用调q小波构建稀疏字典库，分离出高频振动信号中的齿轮振动，并提取指标，识别车轴齿轮箱啮合故障。
4.在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。


技术实现要素：

5.本发明的目的是提供一种轨道工程车辆的车轴齿轮箱啮合故障识别方法，采用调q小波构建稀疏字典库，分离出高频振动信号中的齿轮振动，并提取指标，识别车轴齿轮箱啮合故障。为了实现上述目的，本发明提供如下技术方案：
6.本发明的一种轨道工程车辆的车轴齿轮箱啮合故障识别方法包括：
7.第一步骤，采集轨道工程车车轴齿轮箱的监测信号x，采用两个具有不同品质因数的调q小波变换构造稀疏字典φ
*
以稀疏表征所述监测信号x中的谐波信号和冲击信号，调q小波变换的低通滤波器l(ω)和高通滤波器h(ω)为：
[0008][0009]
[0010]
其中|ω|≤π，其是频率响应函数，α和β分别为低通滤波器l(ω)和高通滤波器h(ω)的尺度因子，0＜β≤1，0＜α≤1，|l(ω)|2+|h(ω)|2＝1；
[0011]
第二步骤，建立稀疏分解的目标函数并利用拉格朗日收缩算法求解目标函数，以将监测信号x将分解成谐波信号和冲击信号，其中，将监测信号x将分解成谐波信号和冲击信号，其中，分别对应谐波信号xh和冲击信号x
l
的稀疏字典，wh和w
l
为对应的谐波信号xh的稀疏系数和冲击信号x
l
的稀疏系数，目标函数为：
[0012]
约束条件为s.t.
[0013]
其中，参数ε表征监测信号x中的噪声水平，分别表示能够让||wh||1+||w
l
||1取最小值的wh和w
l
。
[0014]
为此，引入拉格朗日算子λ＝[λh，λ
l
]
t
，将约束条件s.t.合并到目标函数中，形成形态学成分分析的目标函数为：
[0015][0016]
分别对wh和w
l
求导，取极值，得到谐波信号xh和冲击信号x
l
及其稀疏系数wh、w
l
；其中，λh，λ
l
分别表示wh和w
l
的拉格朗日算子。
[0017]
第三步骤：在谐波信号xh中提取脉冲指标和偏斜度指标，其中，脉冲指标为：
[0018][0019]
偏斜度指标
[0020]
其中，是谐波信号xh的平均值，是谐波信号xh的方差，xh(n)是谐波信号，n是xh的序号，n是xh的序号最大数。
[0021]
当脉冲指标位于第一范围内且偏斜度指标位于第二范围内时，视为车轴齿轮箱正常，否则，出现啮合故障。
[0022]
所述的一种轨道工程车辆的车轴齿轮箱啮合故障识别方法中，第一范围为[5，8.5]，第二范围为[-0.15，0.1]。
[0023]
上述技术方案中，本发明提供的一种轨道工程车辆的车轴齿轮箱啮合故障识别方法，具有以下有益效果：本发明利用调q小波构建稀疏字典库，可以有效提取高频振动信号中的谐波成分，该成分中可以反映齿轮啮合状态。提取谐波信号中的统计特征指标，可以有效实时、准确判断齿轮啮合故障。该方法简单易行，具有工程实用价值。
附图说明
[0024]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0025]
图1(a)和图1(b)为本发明中车轴齿轮箱正常与故障状态下的信号稀疏分解示意图，其中，图1(a)车轴齿轮箱正常状态下稀疏分解示意图，图1(b)车轴齿轮箱故障状态下稀疏分解示意图；
[0026]
图2为本发明的车轴齿轮箱正常与故障指标识别示意图；
[0027]
图3为本发明的车轴齿轮箱正常与故障指标识别示意图。
具体实施方式
[0028]
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0029]
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0030]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0031]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0032]
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图1(a)至图3对本发明作进一步的详细介绍。
[0033]
所述的一种轨道工程车辆的车轴齿轮箱啮合故障识别方法包括，
[0034]
第一步骤，采集轨道工程车车轴齿轮箱的监测信号x，采用两个具有不同品质因数的调q小波变换构造稀疏字典φ
*
以稀疏表征所述监测信号x中的谐波信号和冲击信号，调q小波变换的低通滤波器l(ω)和高通滤波器h(ω)为：
[0035][0036][0037]
其中|ω|≤π，其为频率响应函数，α和β分别为低通滤波器l(ω)和高通滤波器h(ω)的尺度因子，0＜β≤1，0＜α≤1，|l(ω)|2+|h(ω)|2＝1；
[0038]
第二步骤，建立稀疏分解的目标函数并利用拉格朗日收缩算法求解目标函数，以将监测信号x将分解成谐波信号和冲击信号，其中，x将分解成谐波信号和冲击信号，其中，分别对应谐波信号xh和冲击信号x
l
的稀疏字典，wh和w
l
为对应的谐波信号xh的稀疏系数和冲击信号x
l
的稀疏系数，目标函数为：
[0039][0040]
其中，参数ε表征监测信号x中的噪声水平，分别表示能够让||wh||1+||w
l
||1取最小值的wh和w
l
。
[0041]
为此，引入拉格朗日算子λ＝[λh，λ
l
]
t
，将约束条件s.t.合并到目标函数中，形成形态学成分分析的目标函数为：
[0042][0043]
分别对wh和w
l
求导，取极值，得到谐波信号xh和冲击信号x
l
及其稀疏系数wh、w
l
；其中，λh，λ
l
分别表示wh和w
l
的拉格朗日算子。
[0044]
第三步骤：在谐波信号xh中提取脉冲指标和偏斜度指标，其中，脉冲指标为：
[0045][0046]
偏斜度指标
[0047]
其中，是谐波信号xh的平均值，是谐波信号xh的方差，xh(n)是谐波信号，n是xh的序号，n是xh的序号最大数。
[0048]
当脉冲指标位于第一范围内且偏斜度指标位于第二范围内时，视为车轴齿轮箱正常，否则，出现啮合故障。
[0049]
所述的一种轨道工程车辆的车轴齿轮箱啮合故障识别方法的优选实施方式中，第一范围为[5，8.5]，第二范围为[-0.15，0.1]。
[0050]
在一个实施例中，所述的一种轨道工程车辆的车轴齿轮箱啮合故障识别方法包括，
[0051]
1)选定调q小波变换构造稀疏字典，用于稀疏表征信号中的高振荡属性和低振荡属性。
[0052]
2)建立号稀疏分解的目标函数，并利用拉格朗日收缩算法求解基于信号振荡属性的稀疏分解方法的目标函数，以便提取齿轮振动信号将分解成高振荡的谐波信号和低振荡的冲击信号。
[0053]
3)在谐波信号中提取脉冲指标和偏斜度指标，当脉冲指标位于[5，8.5]内且偏斜度指标位于[-0.15，0.1]内时，视为车轴齿轮箱正常，否则，出现啮合故障。
[0054]
所述的步骤1)，具体方法为：
[0055]
调q小波是一种可以改变监测信号x的采样频率的一种特殊的小波变换方式，其低通滤波器l(ω)和高通滤波器h(ω)为：
[0056][0057][0058]
其中|ω|≤π为具有两阶消失矩的daubechies频率响应。α和β分别为低通滤波器和高通滤波器的尺度因子。调q小波变换的低通滤波器l(ω)和高通滤波器h(ω)满足完美重构条件，即|l(ω)|2+|h(ω)|2＝1。尺度参数α和β决定了低通滤波器h0(ω)和高通滤波器g0(ω)的性能。为保证调q小波变换不是过冗余的，α和β需满足0＜β≤1，0＜α≤1。低通滤波器l(ω)和高通滤波器h(ω)是从监测信号x中提取的，可以稀疏表征出信号中的高振荡属性和低振荡属性。
[0059]
所述的步骤2)，具体方法为：
[0060]
用符号φ
*
表示调q小波变换的低通滤波器l(ω)和高通滤波器h(ω)构造的字典，即x＝φ
*
w。在信号x包括谐波信号xh和冲击信号x
l
。x可拆解为：其中分别对应谐波信号xh和冲击信号x
l
的字典，wh和w
l
为对应的稀疏系数。因此目标函数为：
[0061][0062]
其中参数ε表征信号x中的噪声水平。为实现对式(3)的优化求解，利用拉格朗日乘数法，给定一个合适的拉格朗日算子，将式(3)所示的约束优化问题转换为下式所示的无约束的优化问题，即
[0063][0064]
式中λ＝[λh，λ
l
]
t
为拉格朗日算子，且λ为信号x、及ε的函数。则此时形态学成分分析的目标函数为
[0065][0066]
目标函数确定之后，基于信号振荡属性的稀疏分解方法的关键在于字典的构造和目标函数的求解，即可得到wh、w
l
。最终得到谐波信号xh和冲击信号x
l
。
[0067]
所述的步骤3)，具体方法为：
[0068]
利用一下公式计算谐波信号xh中提取脉冲指标和偏斜度指标，
[0069][0070][0071]
其中是xh的平均值，是xh的方差。当脉冲指标位于[5，8.5]内且偏斜度指标位于[-0.15，0.1]内时，视为车轴齿轮箱正常，否则，出现啮合故障。
[0072]
参照图1(a)和图1(b)所示车轴齿轮箱正常与故障状态下的信号稀疏分解；在图1(a)和图1(b)中，上图为稀疏分解后的谐波信号，横坐标为时间t/s，纵坐标为幅值/g；下图为稀疏分解后的冲击信号，横坐标为时间t/s，纵坐标为幅值/g。从图1(a)中可以看出，车轴齿轮箱正常时，谐波信号还存在一定的冲击成分，其对应的冲击比较规律。对比图1(b)所示，齿轮箱故障时，谐波信号中的冲击成分更加明显，但是冲击信号的变得很不规律，数值忽大忽小。为此，选择谐波信号提取指标，识别车轴齿轮箱故障。
[0073]
参考图2所示的车轴齿轮箱正常与故障指标识别，横坐标为脉冲指标，纵坐标为偏斜度指标。“*”表示正常啮合车轴齿轮箱监测数据指标，
“□”
为严重故障车轴齿轮箱监测数据指标。当脉冲指标位于[5，8.5]内且偏斜度指标位于[-0.15，0.1]内时，车轴齿轮箱正常；超出此范围的车轴齿轮箱数据，对应着啮合故障。
[0074]
参考图3所示的轻微故障的指标识别，横坐标为脉冲指标，纵坐标为偏斜度指标。“*”表示正常啮合车轴齿轮箱监测数据指标，“o”表示轻微故障车轴齿轮箱监测数据指标。
“□”
为严重故障车轴齿轮箱监测数据指标。轻微故障数据依然符合“脉冲指标位于[5，8.5]内且偏斜度指标位于[-0.15，0.1]内时，车轴齿轮箱正常”规律。
[0075]
方法包括，
[0076]
1)选定调q小波变换构造稀疏字典，用于稀疏表征信号中的高振荡属性和低振荡属性。
[0077]
2)建立号稀疏分解的目标函数，并利用拉格朗日收缩算法求解基于信号振荡属性的稀疏分解方法的目标函数，以便提取齿轮振动信号将分解成高振荡的谐波信号和低振荡的冲击信号。
[0078]
3)在谐波信号中提取脉冲指标和偏斜度指标，当脉冲指标位于[5，8.5]内且偏斜度指标位于[-0.15，0.1]内时，视为车轴齿轮箱正常，否则，出现啮合故障。
[0079]
所述的步骤1)，具体方法为：
[0080]
调q小波是一种可以改变监测信号x的采样频率的一种特殊的小波变换方式，其低通滤波器l(ω)和高通滤波器h(ω)为：
[0081][0082][0083]
其中|ω|≤π，是频率响应函数，α和β分别为低通滤波器和高通滤波器的尺度因子。调q小波变换的低通滤波器l(ω)和高通滤波器h(ω)满足完美重构条件，即|l(ω)|2+|h(ω)|2＝1。尺度参数α和β决定了低通滤波器h0(ω)和高通滤波器g0(ω)的性能。为保证调q小波变换不是过冗余的，α和β需满足0＜β≤1，0＜α≤1。低通滤波器l(ω)和高通滤波器h(ω)是从监测信号x中提取的，可以稀疏表征出信号中的高振荡属性和低振荡属性。
[0084]
所述的步骤2)，具体方法为：
[0085]
用符号φ
*
表示调q小波变换的低通滤波器l(ω)和高通滤波器h(ω)构造的字典，即x＝φ
*
w。在信号x包括谐波信号xh和冲击信号x
l
。x可拆解为：其中
分别对应谐波信号xh和冲击信号x
l
的字典，wh和w
l
为对应的稀疏系数。因此目标函数为：
[0086][0087]
其中参数ε表征信号x中的噪声水平。为实现对式(3)的优化求解，利用拉格朗日乘数法，给定一个合适的拉格朗日算子，将式(3)所示的约束优化问题转换为下式所示的无约束的优化问题，即
[0088][0089]
式中λ＝[λh，λ
l
]
t
为拉格朗日算子，且λ为信号x、及ε的函数。则此时形态学成分分析的目标函数为
[0090][0091]
目标函数确定之后，基于信号振荡属性的稀疏分解方法的关键在于字典的构造和目标函数的求解，即可得到wh、w
l
。最终得到谐波信号xh和冲击信号x
l
。
[0092]
所述的步骤3)，具体方法为：
[0093]
利用一下公式计算谐波信号xh中提取脉冲指标和偏斜度指标，
[0094][0095][0096]
其中是xh的平均值，是xh的方差。当脉冲指标位于[5，8.5]内且偏斜度指标位于[-0.15，0.1]内时，视为车轴齿轮箱正常，否则，出现啮合故障。
[0097]
实施例：
[0098]
该实施例给出了本发明在车轴齿轮箱试验中的具体实施过程，同时验证了该发明的有效性。
[0099]
轨道工程车车轴齿轮箱，在试验台架上进行试验，输入转速为1412r/min，输出转速为758r/min。采集每秒10.4k的高频振动数据，选择同一型号的两台车轴齿轮箱进行试验，一台啮合正常，一台啮合故障。利用调q小波构造稀疏字典对高频振动信号进行稀疏分解结果如图1(a)和图1(b)所示。正常车轴齿轮箱采集28组数据，故障齿轮箱采集26组数据，提取统计特征，如图2所示。当稀疏分解后谐波信号的脉冲指标位于[5，8.5]内且偏斜度指
标位于[-0.15，0.1]内时，车轴齿轮箱啮合正常，超出此范围者，出现啮合齿轮箱故障。随后新增一组轻微故障车轴齿轮箱试验，如图3所示，符合此规律。
[0100]
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。