[发明专利]一种多尺度齿轮箱故障智能诊断方法在审

专利信息
申请号: 202211435011.3 申请日: 2022-11-16
公开(公告)号: CN115808305A 公开(公告)日: 2023-03-17
发明(设计)人: 黄文德;张晓飞;金裕钱;何飞;朱伟清;曹钊洪;曾彩霞 申请(专利权)人: 南宁学院;广西北斗天宇航天科技有限公司
主分类号: G01M13/021 分类号: G01M13/021;G01M13/028;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
代理公司: 贵州派腾知识产权代理有限公司 52114 代理人: 朱雪琼
地址: 530200 广西*** 国省代码: 广西;45
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 尺度 齿轮箱 故障 智能 诊断 方法
【权利要求书】:

1.一种多尺度齿轮箱故障智能诊断方法,其特征在于:包括以下步骤:

①信号采集:利用三轴振动传感器采集齿轮箱在不同故障类型下的X、Y、Z三轴振动信号;

②信号分解:利用EEMD方法将采集的三轴振动信号分别分解为多个IMF分量;

③信号分量筛选:计算各IMF分量的峭度,并选取峭度最大的6个IMF分量;

④图像转换:利用对称点阵方法将6个IMF分量分别转换为SDP图像上的6个扇瓣,生成二维SDP灰度图像;

⑤图像融合:将二维SDP灰度图像分别与RGB彩色图像的不同通道进行图像融合;

⑥特征提取:利用多尺度膨胀卷积改进的CNN网络提取融合图像的故障特征;

⑦构建故障诊断分类器:将融合后的SDP图像作为改进卷积神经网络的输入,故障特征作为改进卷积神经网络的输出,对改进卷积神经网络进行训练,获取故障分类器;

⑧诊断:用故障分类器对齿轮箱进行故障诊断,获取齿轮箱的故障诊断结果。

2.如权利要求1所述的多尺度齿轮箱故障智能诊断方法,其特征在于:所述步骤②分为以下步骤:

(2.1)将采集的振动信号截取为多个样本:

V=[v1,v2,v3,…,vm]

其中,V为从采样振动信号中截取的一个样本,vm为样本点,m为一个样本的样本点数;

(2.2)在样本中加入随机高斯白噪声序列:

Vi=V+kni i=1,2,…,I

其中,k为噪声幅值系数,n为随机高斯白噪声序列,i为加入的不同高斯白噪声的编号,I为集成次数;

(2.3)对信号Vi进行EMD分解得到各阶本征模函数

其中,J为本征模函数的IMF的阶数,ri为剩余分量;

(2.4)求I次EMD分解得到的同阶次IMF分量的均值,将各阶IMF分量的均值作为最终的EEMD分解的分量结果:

其中,为各阶次IMF分量的均值,即EEMD分解得到的最终的各阶IMF分量。

3.如权利要求1所述的多尺度齿轮箱故障智能诊断方法,其特征在于:所述步骤③中,IMF分量峭度的计算公式为:

其中,xi为信号X中的第i个样本点,为信号X的均值,m为信号X的样本点个数,σ为信号X的标准差。

4.如权利要求1所述的多尺度齿轮箱故障智能诊断方法,其特征在于:所述步骤④中,将一维振动信号转换为对称点阵图像的公式为:

其中,rj(i)、αj(i)、βj(i)是j阶IMF分量的样本点vi转换到极坐标下的位置信息,rj(i)为j阶IMF分量的样本点vi转换到极坐标下的半径,αj(i)为j阶IMF分量的样本点vi转换到极坐标下顺时针的旋转角度,βj(i)为j阶IMF分量的样本点vi转换到极坐标下逆时针的旋转角度;vi为样本V中的第i个样本点,vi+1为样本V中的第i+1个样本点,vi-1为样本V中的第i-l个样本点;vmax为该样本V的样本点中的最大值,vmin为该样本V的样本点中的最小值,g为角度放大因子,l为滞后参数;θj为j阶IMF分量对应的第j个对称平面在极坐标空间上的角度。

5.如权利要求1所述的多尺度齿轮箱故障智能诊断方法,其特征在于:所述步骤⑤分为以下步骤:

(5.1)将选取峭度最大的6个IMF分量转换为二维SDP灰度图像,获取三个轴上的SDP灰度图像;

(5.2)将这三个轴上的SDP灰度图像分别与彩色图像的R、G、B三个颜色通道进行融合,获取彩色SDP图像,实现多传感器数据的特征级融合。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南宁学院;广西北斗天宇航天科技有限公司,未经南宁学院;广西北斗天宇航天科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211435011.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top