[发明专利]基于PSO-EEMD方法的行星齿轮箱故障诊断方法及系统

权利要求书

1.一种基于PSO-EEMD方法的行星齿轮箱故障诊断方法，其特征在于，包括：

采集太阳轮不同损伤程度下的行星齿轮箱振动信号；

利用PSO-EEMD方法将行星齿轮箱振动信号分解为不同频段的IMF分量；

选取包含故障特征信息的预设数量的IMF分量作为敏感IMF分量，并计算其近似熵特征值；

利用敏感IMF分量的近似熵特征值进行训练并测试支持向量机模型，利用训练完成的支持向量机模型识别出行星齿轮箱的故障类型；

当行星齿轮箱振动信号极值点数列在横坐标轴上均匀分布时，其评价目标f(x)为：

其中，RMSE_max和RMSE_min代表极大值数列和极小值数列的实际横坐标值分别与等差数列之间的均方根误差，{b_max(m)}为极大值数列，{b_min(n)}为极小值数列，K₁、K₂分别为局部极大值点的总数和局部极小值点的总数，t_max(m)为极大值数列中第m个局部极大值的实际横坐标值，t_min(n)为极小值数列中第n个局部极小值的实际横坐标值。

2.如权利要求1所述的基于PSO-EEMD方法的行星齿轮箱故障诊断方法，其特征在于，利用PSO-EEMD方法将行星齿轮箱振动信号分解为不同频段的IMF分量的过程为：

计算行星齿轮箱振动信号的标准差σ_s，从而确定噪声幅值A_noise的取值范围为[0，0.5σ_s]；

根据行星齿轮箱振动信号的特点，初始化PSO算法中的参数；

以行星齿轮箱振动信号极值点的均布特性作为PSO算法的总评价目标，迭代更新粒子的位置和速度；

根据总评价目标的最小值，确定对应的粒子群落最优解，即最优的噪声幅值；

根据计算与A_noise相关的总体平均次数N，N不小于预设阈值；其中，e为EEMD分解误差，是常数；

根据获得的最优幅值及符合预设要求的相关总体平均次数N，对行星齿轮箱振动信号进行EEMD分解，得到不同频段的IMF分量。

3.如权利要求1所述的基于PSO-EEMD方法的行星齿轮箱故障诊断方法，其特征在于，PSO算法的总评价目标F(x)为：

其中，f_j(x_j^*)是第j个评价目标的理想值，l代表评价目标的数量；f(x)为行星齿轮箱振动信号极值点数列均匀分布的评价目标。

4.如权利要求3所述的基于PSO-EEMD方法的行星齿轮箱故障诊断方法，其特征在于，当行星齿轮箱振动信号极值点数列在纵坐标轴上均匀分布时，其评价目标f(x)为：

其中，σ_max²为行星齿轮箱振动信号极大值数列的纵坐标值方差，σ_min²为行星齿轮箱振动信号极小值数列的纵坐标值方差；K₁、K₂分别为局部极大值点的总数和局部极小值点的总数，μ₁和μ₂分别为各数列的纵坐标值的均值，y_max(m)为极大值数列中的第m个局部极大值的纵坐标值，y_min(n)为极小值数列的第n个局部极小值的纵坐标值。