[发明专利]一种基于滤波分解组合指标的齿轮故障识别方法

权利要求书

1.一种基于滤波分解组合指标的齿轮故障识别方法，其特征在于有如下步骤：

（1）在齿轮系统试验平台上进行故障模拟实验，采集齿轮不同运行工况下的振动信号；

（2）通过自适应局部迭代滤波分解将采集的振动信号分解为多个本质模态函数分量；

（3）计算各本质模态函数的排列熵；

（4）以齿轮系统的转频信号对应的本质模态函数的排列熵为界，辨别出前本质模态函数的排列熵来表征不同故障类型的特征；

（5）求出同类状态下N个训练样本的排列熵的平均值作为标准故障模式；

（6）计算待检测信号的排列熵与各状态下的标准故障模式的灰色关联度或/和灰色相似关联度，实现不同故障的分类识别，用于齿轮系统故障诊断。

2.根据权利要求1所述基于滤波分解组合指标的齿轮故障识别方法，其特征在于步骤（2）的自适应局部迭代滤波为Fokker-Planck方程，其式如下：

（1）

式中：α，β的取值范围在(0,1)之间，

自适应局部迭代滤波算法的实现过程如下：

（1）初始化：令迭代次数i=1，残余信号r₀(t) = x(t)

（2）提取第i个本质模态函数

（2.1）令筛选次数j = 0，原型本质模态函数h_ij(t) = r_i-1(t)，

（2.2）设计自适应局部Fokker-Planck滤波器g_ij(t,τ)，确定相应的时变滤波器长度l_ij(t)，

（2.3）计算瞬时均值：

m_ij(t) = h_ij(t+τ)g_ij(t,τ)dτ （2）

（2.4）更新原型本质模态函数：

h_ij(t) = h_ij(t) - m_ij(t) （3）

（2.5）若原型本质模态函数h_ij(t)满足本质模态函数的条件要求，则令第i个本质模态函数：

c_i(t) = h_ij(t) （4）

否则令筛选次数j = j +1，返回步骤（2.2）

（3）更新残余信号：

r_i(t)=r_i-1(t)-c_i(t) （5）

（4）若残余信号r_i(t)满足算法的终止准则，即最多只有一个极值点而成为趋势项时，终止自适应局部迭代滤波分解，否则令迭代次数i = i+1，返回提取第i个本质模态函数。