[发明专利]基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法

说明书

技术领域

本发明属于齿轮故障诊断技术领域，特别涉及一种基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法。

背景技术

摆线锥齿轮作为重型车铣复合数控机床重载摆角铣头的核心传动部件，由于重载摆角铣头的加工对象为大型复杂曲面，因此摆线锥齿轮经常在振动、冲击、变载荷、频繁换向等非稳态工况下工作，会产生点蚀、磨损、崩裂甚至断齿等故障。故障状态又直接影响了摆角铣头的性能，导致数控机床加工出的零件不合格或整台机床停运，甚至产生连锁反应，严重影响企业的安全生产和经济效益。因此，研究摆线锥齿轮的故障诊断技术及方法，尽早发现并及时消除故障对于保障机床设备安全、避免事故和巨额经济损失及提高设备使用性能，具有非常重要的现实意义。

为有效提高重载摆角铣头的加工性能及摆线锥齿轮的寿命和可靠性，有必要深入研究摆线锥齿轮的故障诊断技术及方法。本发明通过分析摆线锥齿轮故障振动信号的时域及频域特征，根据经验模态分解(EMD)方法及倒频谱分析方法，提出了一种基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法，该发明方法能够准确提取出摆线锥齿轮的故障信息，实现摆线锥齿轮的故障诊断。本发明方法不仅能达到摆线锥齿轮状态监测和故障诊断的目的，且为其他旋转机械复合故障诊断技术提供了有效借鉴。

发明内容

本发明的目的是提供一种基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法，通过对摆线锥齿轮振动信号进行分析和处理，准确地提取出摆线锥齿轮故障特征。本发明为摆线锥齿轮的故障诊断和特征提取提供了新方法，且为其他旋转机械复合故障诊断技术提供了有效借鉴。

本发明是采用以下技术手段实现的：

基于经验模态分解与倒频谱的摆线锥齿轮故障诊断方法，其特征在于：具体步骤如下：

S1利用加速度传感器对摆线锥齿轮副进行测量，采集该种齿轮的加速度振动信号作为待分析信号；

S2将采集的待分析信号导入Matlab软件中，得到原始信号x(t)，采用经验模态分解法将原始信号进行分解，得到一系列固有模态函数IMF分量；

S2.1.确定原始信号x(t)的所有局部极值点，用三次样条曲线将所有的极大值点连接起来形成x(t)的上包络线，同样连接所有的极小值点形成x(t)的下包络线，上下包络线应该包络所有的数据点；记上下包络线的平均值为m₁(t)，并计算x(t)和m₁(t)的差值h₁(t)，得到：

h₁(t)＝x(t)-m₁(t)；

S2.2.对于不同的原始信号x(t)，h₁(t)可能满足固有模态函数IMF的条件，也可能不满足；若不满足IMF条件，此时将h₁(t)作为原始信号，重复步骤S2.1得到h₁(t)的分解步骤，得到：

h₁₁(t)＝h₁(t)-m₁₁(t)

其中，m₁₁(t)为h₁(t)的上、下包络线均值；

S2.3.如果h₁₁(t)不满足IMF的条件，则分解继续，重复上述步骤2.1中的分解k次，得：

h_1k(t)＝h_1(k-1)(t)-m_1k(t)

S2.4.判定h_1k(t)是否为一个IMF分量，必须要有分解终止准则，它可以定义为连续两个分解结果之间的标准差SD值：