[发明专利]齿轮故障的行星齿轮箱振动功率谱预测方法

说明书

公开了一种齿轮故障的行星齿轮箱振动功率谱预测方法，方法包括，测量待预测的行星齿轮箱物理参数，建立动力学模型；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；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；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；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。克服了直接由动力学模型进行行星齿轮箱功率谱预测误差较大的缺点。

技术领域

本发明属于行星齿轮箱诊断技术领域，特别是涉及一种齿轮故障的行星齿轮箱振动功率谱预测方法。

背景技术

行星齿轮箱承载能力强，传动比大，结构相对紧凑。因此，它们是广泛应用于直升机、风力涡轮机、航空发动机和船用减速器等高速和重型机械的重要基础部件。对其进行准确的运行状态监测及及时的故障诊断有重要的工程意义。明确测试振动信号与故障损伤模式的映射关系是进行机械故障诊断的前提。然而，现有的行星动力学建模理论采用线性模型或仅仅考虑简单的非线性因素。动态模型的响应能够描述局部失效引起的冲击特性，但在频域上与实际测量有一定的偏差。此外，仿真信号的主要频谱能量分布远远超出了加速度传感器的工作频率范围。这些都阻碍了故障诊断动态仿真的指导，给揭示行星齿轮箱故障的产生和演化机制带来了困难。

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在本国中本领域普通技术人员公知的现有技术的信息。

发明内容

针对现有技术中存在的问题，本发明提供一种齿轮故障的行星齿轮箱振动功率谱预测方法，结合动力学模型和循环神经网络的混合建模方法，进行故障行星齿轮箱振动功率谱的准确预测，有利于含齿轮故障的行星齿轮箱振动功率谱的准确预测，对行星齿轮箱振动准确提取、报警以及诊断。

本发明的目的是通过以下技术方案予以实现：

本发明的一方面，一种齿轮故障的行星齿轮箱振动功率谱预测方法包括如下步骤：

第一步骤：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：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：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：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。

所述的一种齿轮故障的行星齿轮箱振动功率谱预测方法中，第一步骤中：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，部件行星架、内齿圈、太阳轮和行星轮的位移用u_h，h＝c，r，S，1，…N表示，N是行星轮的数量；所对应部件的外载荷用T_h表示；r_h为部件的节圆半径；部件的质量和转动惯量分别用m_h和I_h表示；k_sn、k_rn和c_sn、c_rn，n＝1，…N分别表示太阳轮-行星轮及内齿圈-行星轮的啮合刚度和啮合阻尼；部件的扭转刚度和阻尼分别用k_hu及c_hu表示。