[发明专利]一种齿轮箱的智能故障检测方法

说明书

本申请提供了一种齿轮箱的智能故障检测方法，所述方法包括：S1.在待测设备上设置多个用于采集振动信号的检测节点；S2.采集所述待测设备上每个所述检测节点的振动信号；S3.所述多节点的振动信号使得众多的传感器协同工作进行高质量的传感，组成一容错性较好的采集系统；S4.将采集的振动信号输入神经网络故障诊断模型；S5.根据所述神经网络故障诊断模型判断所述待测设备的状况。

技术领域

本发明涉及设备检查领域，尤其涉及一种齿轮箱的智能故障检测方法。

背景技术

设备故障监测与诊断技术正向网络化、智能化、远程化、实时化、精密与早期预测的方向发展，实时装备预测及健康管理并与工程资产管理信息化紧密结合，是未来物联网应用的重要领域之一。现有的故障诊断方法大都有“事后才诊断、现场来处理”的特点，在时间和效率上造成浪费，可以说我国机械行业的生产自动化程度很高，而设备维修方面的自动化程度相对较低，因此不断提高设备维护维修的自动化、远程化及故障的预防是未来的发展趋势。

风力发电机是风电场的关键设备，齿轮箱又是机组的关键部件，其性能好坏直接影响整个机组的发电效率。由于齿轮箱的结构复杂，工作环境一般比较恶劣又是故障率较高的部件之一，因此，进行齿轮箱故障诊断研究有着重要的意义。

发明内容

为了克服现有技术存在的不足，本申请提出了一种齿轮箱的智能故障检测方法，所述方法包括如下步骤：S1.在待测设备上设置多个用于采集振动信号的检测节点；

S2.采集所述待测设备上每个所述检测节点的振动信号；

S3.用于采集所述多节点的振动信号的传感器协同工作，组成一采集系统；

S4.将采集的振动信号输入神经网络故障诊断模型；

S5.根据所述神经网络故障诊断模型判断所述待测设备的状况。

在一个可能的实现方式中，所述神经网络故障诊断模型依次包括输入层、中间层、承接层和输出层；

所述输入层用于信号传输，所述输出层起线性加权作用，所述中间层的传递函数用于采用线性或非线性函数，连接权进行学习修正；所述承接层从中间层接收反馈信号，用来记忆中间层神经元前一时刻的输出值，承接层神经元的输出经延迟与存储，再输入到中间层。

在一个可能的实现方式中，所述神经网络故障诊断模型的非线性状态空间表达式为：

y(k)＝g(w³x(k))

x(k)＝f(w¹x_c(k)+w²(u(k-1)))

x_c(k)＝x(k-1)

其中y是m维输出结点向量，x是n维中间层结点单元向量u是r维输入向量，x_c是n维反馈向量；w¹，w²，w³分别是中间层到输出层、输入层到中间层、承接层到中间层的连接权值；g(·)是输出神经元的传递函数，是中间层输出的线性组合；f(·)是中间层神经元的传递函数。

在一个可能的实现方式中，f(·)为sigmoid函数。

在一个可能的实现方式中，所述神经网络故障诊断模型的学习指标函数采用误差平方和函数：

其中y_k(w)是实际输出量，是目标输出量。

在一个可能的实现方式中，所述检测节点包括加速度传感器、MCU 和无线传输模块，所述加速度传感器用于完成信号的采集，所述无线传输模块完成信号的传输。