[发明专利]一种行星齿轮退化状态识别方法

权利要求书

1.一种行星齿轮退化状态识别方法，其特征在于，包括以下步骤：

(1)进行加速度振动传感器优化布置，测量行星齿轮壳体的原始振动信号；

(2)将所述原始振动信号进行自适应改进的奇异谱分解，得到一系列奇异谱分解分量；

(3)提取所述奇异谱分解分量的多尺度增强信息维度，构成奇异谱分解分量尺度增强信息维度特征矩阵；

(4)构建基于卷积神经网络的行星齿轮退化状态识别模型。

2.根据权利要求1所述的一种行星齿轮退化状态识别方法，其特征在于：所述步骤(1)中，所述原始振动信号包括正常行星齿轮、断裂行星齿轮的4级退化状态和点蚀行星齿轮的4级退化状态，共9种退化状态。

3.根据权利要求1所述的一种行星齿轮退化状态识别方法，其特征在于，所述步骤(2)中，将所述原始振动信号进行自适应改进的奇异谱分解，包括：

(21)自适应选取嵌入维数m：

j＝1时，设置m＝N/3；

j＞1时，设置m＝l·(f_s/f_max)，

其中，j表示迭代次数，f_s为采样频率，f_max为v_j(n)的功率谱密度中最大峰值所对应的频率，N表示原始振动信号的信号点数，l是调整窗长和想要的信号成分的平均周期的比值因子；

(22)构建轨迹矩阵：

将原始振动信号时间序列{x₁,x₂,...,x_N}转换为轨迹矩阵

其中，

(23)进行分量分组与分量重构：

第一次迭代时，如果所检测的分量是一个趋势项，则利用第一个左右特征向量进行构成g⁽¹⁾(n)，即：

其中，dia()代表对角平均计算，X₁为所构建的相空间矩阵，σ₁为第一个奇异值，u₁为左特征向量，v₁^T为右特征向量；

如果在第一次迭代中所检测的分量不是一个趋势项，则继续进行迭代，对于第j次迭代，j＞1，根据以下规则获得一系列的奇异谱分解分量序列g^(j)(n)：

从所有的特征值集合中创建一个子集I_j＝{i₁,i₂,...,i_p}，其中，i_p为第p个特征值；

子集I_j的确定原则为：根据左特征向量在频带[f_max-Δf,f_max+Δf]范围中具有突出主频率的所有特征组和对选取信号分量的主峰能量贡献最大的一个特征组，然后通过矩阵X_Ij＝X_i1+X_i2+…+X_ip的对角平均可重构获得所对应的信号分量；

其中，X_ip为利用第p个特征值进行奇异值分解反过程获得的空间矩阵；

(24)判断是否达到终止条件，是则分量分组重构结束，否则重新进行分量分组与分量重构。

4.根据权利要求3所述的一种行星齿轮退化状态识别方法，其特征在于：所述步骤(23)中，设定相关峭度指标，对分量分组的有效性进行判定，如果达到标准，则分量分组重构有效，如果没有达到标准，则重新进行分量分组重构。

5.根据权利要求3所述的一种行星齿轮退化状态识别方法，其特征在于：所述步骤(24)中，所述终止条件为：

计算每一次迭代的残余成分和原始信号之间的归一化均方差，即：

其中，NMSE^(j)为第j次迭代的归一化均方差，v_j+1(i)为第i个原始振动信号点第j次迭代后获得的残余分量，x_i为原始振动信号时间序列中的第i个信号点，为第i个原始振动信号点第j次迭代获得的信号分量；

如果归一化均方差小于设定的阈值，则迭代终止。