[发明专利]稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法

说明书

本发明涉及一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，包括以下步骤：通过加速度传感器拾取齿轮箱振动信号；对拾取的原始振动信号利用稀疏正则化滤波方法进行滤波；利用自适应稀疏分解方法对滤波信号进行分解，得到高频振荡信号与低频周期性瞬时脉冲信号；利用Hilbert包络解调方法对低频周期性瞬时脉冲信号进行包络解调，提取故障特征频率及其倍频，与理论计算故障特征频率对比，最终确定齿轮故障类型。本发明能够大幅度滤除背景噪声成分，有效提取周期性故障瞬时脉冲序列，可以清晰检测出比较微弱的齿轮故障特征信息，准确性高、稳定性强，适合于齿轮箱在工作状态下实时故障巡检和在线监控避免突发性事故发生。

技术领域

本发明涉及齿轮箱微弱故障诊断技术领域，特别是涉及一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法。

背景技术

齿轮箱作为旋转机械设备的核心关键部件，其运转期间的健康状态直接影响整个机械系统的性能与寿命，准确及时地识别出齿轮箱的早期故障并对设备作出相应的预防策略，对确保企业高效生产、维护设备成本与现场操作人员的生命安全等具有重要意义。

通常，当齿轮存在局部故障时，随着齿轮与故障部位的啮合等会激起一系列周期性瞬时脉冲，然而这些周期性瞬时脉冲常常淹没在一些不相关分量与严重的背景噪声中。因此，对齿轮箱故障诊断的关键在于两个方面：(1)对原始振动信号进行有效滤波，有效去除干扰分量与严重背景噪声；(2)并提取出隐含在背景噪声中的周期性瞬时脉冲。

发明内容

本发明所要解决的技术问题是提供一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，能够分离出隐含在背景噪声中的低频周期性瞬时脉冲分量。

本发明解决其技术问题所采用的技术方案是：提供一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法，包括以下步骤：

(1)通过加速度传感器拾取齿轮箱振动信号；

(2)对拾取的原始振动信号利用稀疏正则化滤波方法进行滤波，去除外界干扰噪声；

(3)利用自适应稀疏分解方法对滤波信号进行分解，得到高频振荡信号与低频周期性瞬时脉冲信号；

(4)利用Hilbert包络解调方法对低频周期性瞬时脉冲信号进行包络解调，得到包络谱，提取出故障特征频率及其倍频成分，最终识别故障类型。

所述步骤(2)中利用增广Huber函数作为罚函数建立稀疏正则化滤波方法的目标成本函数。

所述步骤(2)具体包括以下子步骤：

(21)通过如下最优化方程从含噪的观测信号估计潜在故障信号所述最优化方程为：其中，F(x)为目标成本函数，λ₀与λ₁为正则化参数，矩阵D为一阶可导矩阵，||x||₁与||Dx||₁为罚函数，||x||₁为L1-norm范数，y₀＝Ax，M＜＜N为线性变换矩阵，为变换系数集；通过软阈值函数与全变分算法对所述最优化方程进行求解；

(22)利用增广Huber函数作为罚函数建立稀疏正则化滤波算法的目标成本函数，目标成本函数为：其中，罚函数φ_B(x)＝||x||₁-S_B(x)为增广Huber函数，S_B(x)为广义Huber函数，v表示靠近点x两侧邻域内的点，如果矩阵B为对角矩阵，则广义Huber函数S_B(x)是可分离函数，如果矩阵B为非对角矩阵，则广义Huber函数S_B(x)是不可分离函数；