[发明专利]齿轮故障的行星齿轮箱振动功率谱预测方法

权利要求书

1.一种齿轮故障的行星齿轮箱振动功率谱预测方法，其包括如下步骤：

第一步骤(S1)：测量待预测的行星齿轮箱物理参数，建立动力学模型；

第二步骤(S2)：根据所述动力学模型得出多种齿轮故障模式及其运行工况下的振动仿真信号，组成样本数据集合；

第三步骤(S3)：在所述行星齿轮箱上仿真多种齿轮故障模式及其运行工况，通过单一加速度传感器测得振动信号，组成标签数据集合；

第四步骤(S4)中：根据样本数据集合和标签数据集合训练频谱校正循环神经网络；

第五步骤(S5)：对于所需预测的故障模式及运行工况，可以通过动力学模型算出相应的振动仿真信号，再通过校正的循环神经网络预测振动功率谱。

2.根据权利要求1所述的一种齿轮故障的行星齿轮箱振动功率谱预测方法，其特征在于，优选的，第一步骤(S1)中：根据行星齿轮箱的行星架、内齿圈、太阳轮和行星轮的平面刚体运动微分方程，得到动力学模型为：

行星架：，

内齿圈：，

太阳轮：，

第n个行星轮：，

其中，单下标c、r、s分别指示行星架、内齿圈及太阳轮相应的物理量；单下标n指示第n个行星轮对应的物理量；N是行星轮的数量；I表示转动惯量、m表示质量、r为部件的节圆半径、u为部件的位移、T表示部件的外载荷；α表示齿轮压力角；k_cu、k_ru、k_su表示行星架、内齿圈及太阳轮的扭转刚度；c_cu、c_ru、c_su表示行星架、内齿圈及太阳轮的扭转阻尼；k_sn、k_rn分别为太阳轮及内齿圈与第n个行星轮的啮合刚度；c_sn、c_rn分别为太阳轮及内齿圈与第n个行星轮的啮合阻尼；δ_sn、δ_rn分别为太阳轮及内齿圈与第n个行星轮的相对位移；字母上标·和··分别表示变量对时间求一阶及二阶导数。

3.根据权利要求1所述的一种齿轮故障的行星齿轮箱振动功率谱预测方法，其特征在于：第二步骤(S2)中：基于势能法计算齿轮啮合刚度，将啮合势能分为赫兹接触势能、弯曲势能、轴向压缩势能和剪切势能，一对齿轮的综合啮合刚度表示为：

，

其中，k_h表示赫兹接触刚度；k_b1、k_b2分别表示主动轮与从动轮的弯曲刚度；k_a1、k_a2分别表示主动轮与从动轮的轴向压缩刚度；k_s1、k_s2分别表示主动轮与从动轮的剪切刚度；i＝1表示齿轮在单齿拟合区；i＝2表示齿轮在双齿啮合区，算出点蚀、裂纹、断齿或缺齿故障模式及运行工况对应的振动仿真信号，组成样本数据集合。

4.根据权利要求3所述的一种齿轮故障的行星齿轮箱振动功率谱预测方法，其特征在于：第二步骤(S2)中，样本数据集合包括转速、负载及故障模式，根据工况计算出对应的齿轮啮合刚度曲线，再代入所述动力学模型得到仿真数据。

5.根据权利要求1所述的一种齿轮故障的行星齿轮箱振动功率谱预测方法，其特征在于：第四步骤(S4)中，将样本数据及标签数据截成长度相同的数据段；将数据段进行离散傅里叶变换，并对变换后数据进行均值为0方差为1的数据归一化处理；用处理后的样本及标签数据训练循环神经网络。

6.根据权利要求5所述的一种齿轮故障的行星齿轮箱振动功率谱预测方法，其特征在于：循环神经网络包括输入层、长度时记忆层、两个全连接层及数据回归层。

7.根据权利要求1所述的一种齿轮故障的行星齿轮箱振动功率谱预测方法，其特征在于：第五步骤(S5)中，根据所需预测的故障模式及工况有动力学模型计算仿真信号时域波形；对所述仿真信号时域波形重叠截短处理；再分别对每一段截短信号进行离散傅里叶变换，输入所述校正循环神经网络；最后对校正神经网络的输出进行频域加窗及平均操作，得到待预测的功率谱。

8.根据权利要求1所述的一种齿轮故障的行星齿轮箱振动功率谱预测方法，其特征在于：第三步骤(S3)中，振动信号的由加速度传感器采集，采样频率为10.2kHz。