[发明专利]基于模态重构与装袋模型的行星齿轮箱健康监测方法

权利要求书

1.一种基于模态重构与装袋模型的行星齿轮箱故障诊断方法，其特征在于：首先利用三相加速度传感器采集行星齿轮箱x、y、z三个方向振动信号；然后通过变分模态分解(Variational Mode Decomposition,VMD)对振动信号进行处理得到分解后的本征模态分量，以削弱噪声对振动信号的干扰；随后通过各阶本征模态分量的频率方差对其进行重构，并进行能量指标提取；最后，通过Bagging Tree的集成算法进行模型训练，得到识别行星齿轮箱状态的有效模型。

2.一种基于模态重构与装袋模型的行星齿轮箱故障诊断方法，其特征在于，包括以下步骤：

步骤一，利用布置在行星齿轮箱上的三相加速度传感器，采集不同健康状态下的振动信号{x,y,z}；

步骤二，对采集到的振动信号进行变分模态分解(VMD)，得到各个通道的本征模态分量s_k(t)；

s_k(t)＝a_k(t)exp(iφ_k(t)) (1)

其中a_k(t)为非负的信号包络，φ_k(t)为非递减的相位，i为虚数单位；

步骤三，根据公式(2)计算各个通道中本征模态分量频率的方差VF，基于频率方差的大小，对前5阶分量进行加权重构，得到重构信号；

其中为信号的重心频率，f为频率，p为f对应的幅值；

步骤四，根据公式(3)计算各阶重构信号的能量E，利用各阶能量除以能量和得到了每个通道的归一化特征；

其中为x_i重构信号幅值，n为信号长度；

步骤五，基于各个通道的归一化特征值构建结构化特征集，利用Bagging Tree的集成算法，从结构化特征集样本中有放回的抽取子集，进行决策树分类学习训练，综合多个决策结果得到行星齿轮箱故障诊断模型；

步骤六，利用步骤五中得到诊断模型对行星齿轮箱上采集到的振动信号进行测试，从而识别行星齿轮箱的健康状态。

3.根据权利要求2所述的方法，其特征在于，所述的步骤二的具体方法：

对采集到的振动信号进行变分模态分解(VMD)，如公式(4)所示

其中x(t)为被分解的振动信号，K为分解层数，{s_k}为分解后第k阶本征模态分量，{ω_k}为分解后第k阶本征模态分量的中心频率，i为虚数单位，δ(t)为狄拉克函数，*为卷积运算符。

4.根据权利要求3所述的方法，其特征在于，所述的步骤三的具体方法：

对本征模态分量进行傅里叶变换映射到频域空间，如公式(5)所示，

其中s_k(t)为本征模态分量，F(n)为对应的频域信号，i为虚数单位；利用采样频率Fs将频域信号与实际频率对应，如公式(6)所示，得到信号的频率序列f与对应的频率幅值p；

根据公式(2)计算出各个本征模态分量的频率方差VF，基于频率方差的大小，对前5阶分量进行重构。