[发明专利]基于频谱核密度函数相关性比较的齿轮箱故障诊断方法

说明书

基于频谱核密度函数相关性比较的齿轮箱故障诊断方法，首先针对齿轮箱的每种故障状态，分别采样多组振动数据；然后针对每种故障状态的多组振动数据，分别先后进行FFT计算、频谱预处理、频率分布直方图转化、核密度函数估计以及核密度函数平均化计算，得到齿轮箱每种故障状态的标准核密度函数；最后针对齿轮箱在未知故障状态下的振动数据，计算其核密度函数与各种故障状态标准核密度函数之间的相关系数，利用相关系数最大值对应的标准核密度函数对齿轮箱的故障状态进行诊断。本发明不需要对齿轮箱振动数据频谱的细节进行深入分析，亦不依赖于维护人员对于齿轮箱故障诊断方法的认知和经验，故障诊断准确率高，适合于计算机智能化实现。

技术领域

本发明属于齿轮箱故障诊断技术领域，具体涉及一种基于频谱核密度函数相关性比较的齿轮箱故障诊断方法。

背景技术

齿轮箱作为一种改变转速和传递转矩的部件，广泛地应用于各种旋转机械中，如机床、船舶、矿山机械以及风力发电机等。由于齿轮箱经常会运行在高转速或者变转速、重载荷或者变载荷的工况下，再加上润滑不良、异物入侵等影响，齿轮箱容易发生各种类型的故障损伤，如点蚀、磨损、剥落甚至断齿等，从而使得旋转机械不能正常运转。因此，有必要采取措施对齿轮箱进行状态监测与故障诊断，以便排除故障隐患，发现早期故障，简化维修工作，避免严重故障，从而提高齿轮箱乃至整套机械设备的使用效益。

目前的齿轮箱故障诊断方法中，振动信号FFT(Fast Fourier Transform，快速傅里叶变换)频谱分析方法技术成熟、简单实用，因此，在大多数的机械设备状态监测系统或者振动分析仪产品中，FFT频谱分析是一项最基本的功能。但FFT频谱分析方法在故障诊断领域中的应用仍然面临一些不足。第一，在大多数情况下，FFT频谱分析的有效性要么依赖于所采集振动信号的预处理，如小波降噪、经验模态分解以及共振解调分析等，要么依赖于频谱的进一步分析，如频谱校正、细化谱分析与倒频谱分析等。第二，故障诊断的有效性取决于FFT频谱分析方法本身的可靠性和适用性，但对于非平稳振动信号，FFT频谱分析会造成严重的“频率模糊”现象，因此其不适用于非平稳工况下的齿轮箱故障诊断。第三，FFT频谱分析方法的实施较大程度上依赖于维护人员对于故障诊断方法的认识以及相关经验的积累。维护人员若要直接从齿轮箱振动信号的频谱中判别出故障信息，则需要了解齿轮箱各种典型故障的振动信号特征以及相应的识别方法。第四，齿轮箱振动信号频谱分析主要是针对具体零部件的故障特征频率而进行的，但这种具体的信息很容易受到工况变化的影响与噪声的干扰，其分析难以量化，因此，FFT频谱分析难以直接应用于齿轮箱的智能故障诊断中。

发明内容

本发明针对背景技术中振动信号频谱分析方法在齿轮箱故障诊断中存在的不足，提出一种基于频谱核密度函数相关性比较的齿轮箱故障诊断方法。

本发明的基于频谱核密度函数相关性比较的齿轮箱故障诊断方法，包括以下步骤：

(1) 振动数据采集

假设齿轮箱有N+1种故障状态，分别记为F0、F1、F2、┅、FN，其中 表示零故障的正常状态，F1、F2、┅、FN表示齿轮箱的N种典型故障状态；针对齿轮箱在的故障状态下，其中取0、1、2、┅、N，利用振动传感器从齿轮箱体上采样组长度为L的振动数据，其中L取为偶数；针对齿轮箱

的N+1种故障状态，总共从齿轮箱体上采样组长度为L的振动数据；

(2) 标准核密度函数计算