基于TFSR-CEEMDAN的齿轮箱早期故障预警方法.pdf
《基于TFSR-CEEMDAN的齿轮箱早期故障预警方法.pdf》由会员分享,可在线阅读,更多相关《基于TFSR-CEEMDAN的齿轮箱早期故障预警方法.pdf(7页珍藏版)》请在咨信网上搜索。
1、收稿日期:2 0 2 3-0 6-2 7作者简介:马 健(1 9 9 7),男,硕士生,主要研究方向为风机齿轮箱故障诊断,E-m a i l:1 0 6 1 4 7 4 2 7 1 q q.c o m 指导教师:徐 旭(1 9 7 9),男,副教授,博士,主要研究方向为物流系统设计与优化、供应链韧性与风险管理、精益生产系统可视化与数字孪生,E-m a i l:x u x s d j u.e d u.c n文章编号 2 0 9 5-0 0 2 0(2 0 2 3)0 5-0 2 6 2-0 7基于T F S R-C E EMD AN的齿轮箱早期故障预警方法马 健,徐 旭,何晨光,苏晨雅(上海电机
2、学院 商学院,上海 2 0 1 3 0 6)摘 要 针对强噪声环境下,齿轮箱早期故障预警困难的问题,提出一种基于时滞反馈随机共振(T F S R)自适应噪声完备集合经验模态分解(C E EMD A N)的齿轮箱早期故障预警方法。首先通过T F S R的长记忆系统,根据历史信息增强反馈过程中的信号周期性,产生低通滤波下增强的故障特征信号;再结合C E EMD A N将增强后的故障特征信号自适应分解;并以信噪比为指标筛选I M F分量,得到的重构信号可以有效增强故障特征频率及其谐频,达到早期故障预警的目的。实验结果表明:通过信号发生器仿真分析,并以真实风机齿轮箱的数据,对比正常和磨损状态下的齿轮,
3、检测出强噪声背景下齿轮箱的微弱局部磨损故障,有效提高故障特征频率处的信噪比,验证了齿轮箱早期故障预警的灵敏性。关键词 齿轮箱;时滞反馈随机共振;完备集合经验模态分解;信噪比;早期故障预警中图分类号 TH 1 6 5+.3文献标志码 AR e s e a r c h o n e a r l y f a i l u r e w a r n i n g m e t h o d o f g e a r b o x b a s e d o n T F S R-C E E M D A NMA J i a n,X U X u,HE C h e n g u a n g,S U C h e n g y a(S
4、c h o o l o f B u s i n e s s,S h a n g h a i D i a n j i U n i v e r s i t y,S h a n g h a i 2 0 1 3 0 6,C h i n a)A b s t r a c t T o s o l v e t h e p r o b l e m o f d i f f i c u l t y i n e a r l y f a i l u r e w a r n i n g o f g e a r b o x e s i n a s t r o n g n o i s e e n v i r o n m e
5、n t,a n e a r l y f a u l t w a r n i n g m e t h o d f o r g e a r b o x e s b a s e d o n t i m e-d e l a y f e e d b a c k s t o c h a s t i c r e s o n a n c e(T F S R)-a d a p t i v e n o i s e c o m p l e t e e n s e m b l e e m p i r i c a l m o d e d e c o m p o s i t i o n(C E EMD A N)i s p
6、 r o p o s e d.F i r s t,t h e s i g n a l p e r i o d i c i t y i n t h e f e e d b a c k p r o c e s s i s e n h a n c e d t h r o u g h t h e l o n g m e m o r y s y s t e m o f T F S R b a s e d o n h i s t o r i c a l i n f o r m a t i o n,a n d t h e e n h a n c e d f a u l t c h a r a c t e r
7、 i s t i c s i g n a l u n d e r l o w-p a s s f i l t e r i n g i s g e n e r a t e d.T h e n c o m b i n e d w i t h C E EMD A N,t h e e n h a n c e d f a u l t c h a r a c t e r i s t i c s i g n a l i s a d a p t i v e l y d e c o m p o s e d.T h e I M F c o m p o n e n t i s s c r e e n e d w i
8、 t h t h e s i g n a l-t o-n o i s e r a t i o a s t h e i n d e x,a n d t h e r e c o n s t r u c t e d s i g n a l o b t a i n e d c a n e f f e c t i v e l y e n h a n c e t h e c h a r a c t e r i s t i c f r e q u e n c y o f t h e f a u l t a n d i t s h a r m o n i c f r e q u e n c y t o a c
9、 h i e v e t h e p u r p o s e o f e a r l y f a u l t w a r n i n g.T h e e x p e r i m e n t a l r e s u l t s s h o w t h a t t h r o u g h s i m u l a t i o n a n a l y s i s o f t h e s i g n a l 第2 6卷 第5期2 0 2 3年上 海 电 机 学 院 学 报J O U R N A L O F S HA N G HA I D I A N J I U N I V E R S I T YV o
10、l.2 6 N o.5 2 0 2 3 g e n e r a t o r a n d t h e d a t a f r o m r e a l w i n d t u r b i n e g e a r b o x e s,w e a k l o c a l w e a r f a u l t s o f t h e g e a r b o x u n d e r a s t r o n g n o i s e b a c k g r o u n d c a n b e d e t e c t e d b y c o m p a r i n g t h e g e a r s u n d
11、e r n o r m a l a n d w e a r c o n d i t i o n s,t h e s i g n a l-t o-n o i s e r a t i o a t f a u l t c h a r a c t e r i s t i c f r e q u e n c y f a u l t i s e f f e c t i v e l y i m p r o v e d a n d t h e s e n s i t i v i t y o f t h e e a r l y f a i l u r e w a r n i n g o f t h e g e
12、a r b o x i s v e r i f i e d.K e y w o r d s g e a r b o x;t i m e-d e l a y f e e d b a c k s t o c h a s t i c r e s o n a n c e(T F S R);c o m p l e t e e n s e m b l e e m p i r i c a l m o d e d e c o m p o s i t i o n(C E EMD A N);s i g n a l-t o-n o i s e r a t i o;e a r l y f a i l u r e w
13、a r n i n g 由于齿轮传动比大、承载能力强等优点1,齿轮箱被广泛应用在汽车、飞机和风电机组中,但是齿轮箱的关键部件齿轮和轴承,容易受到疲劳裂纹和点蚀等损坏的影响而产生故障2。齿轮箱的故障信号具有非平稳性、频域宽和强度弱等特点,故障信息获取困难和采样环境噪声过大等问题都增加了故障早期预警的难度。L u等3提出一种基于时滞反馈随机共振(T i m e-D e l a y e d F e e d b a c k S t o c h a s t i c R e s o n a n c e,T F S R)模型的非平稳弱信号检测策略,考虑到故障振动成分的周期性和微弱性,将历史信息适当地叠加到随
14、机共振(S t o c h a s t i c R e s o n a n c e,S R)输出中,获得低噪声干扰的规则输出波形,验证了该算法适用于检测非平稳特性的信号或受到严重多尺度噪声干扰的信号。H u等4提出了一种基于多时滞反馈随机共振模型(M u l t i-t i m e-d e l a y e d F e e d b a c k S t o c h a s t i c R e s o n a n c e,MT F S R)的微弱信号检测方法,此方法可利用多个延迟反馈项叠加形成的历史信息来增强信号的周期性,适用于齿轮箱故障诊断。韩雪飞等5利用多点最优最小熵解卷积对原始信号进行降噪,并
15、采用完全自适应噪声集合经验模态分解(C o m p l e t e E EMD w i t h A d a p t i v e N o i s e,C E EMD A N)处理信号,证明在滚动轴承故障诊断方面的有效性。蒋玲莉等6提出一种基于C E EMD A N排列熵与支持向量机(S u p p o r t V e c t o r M a c h i n e,S VM)的齿轮故障辨别方法,相较于集合经验模态分解排列熵具有更高的齿轮故障诊断准确度。本文基于T F S R和C E EMD A N算法,提出一种基于T F S R-C E EMD A N的齿轮箱早期故障预警的方法。首先,通过选择适当的
16、时延、反馈强度和计算步长,实现高频噪声能量向低频区域的转移以获取最优的微弱故障特征增强效果,并结 合C E EMD A N分解降噪信号,以信噪比为指标来重构I M F分量。其次,通过计算故障频率及其倍频处的信噪比,放大微弱的故障特征变化,实现故障预警诊断。最后,通过仿真和实验分析验证了该方法在齿轮箱早期故障预警诊断的灵敏性。1 算法原理1.1 时滞反馈随机共振齿轮箱的故障经常以周期性冲击信号存在,并且故障频率及其谐频成分蕴含着故障信息,考虑到早期微弱故障的故障特征频率对应幅值非常微弱,因此有必要进行微弱故障信号增强7。非线性系统输出表达式为X0=a x-b x3+s(t)+n(t)(1)式中:
17、a、b为系统参数;x为影响系统的物理学变量;s(t)为待检测的故障信息信号;n(t)为噪声。待检测的故障信息信号为s(t)=As i n(2 fot)(2)式中:A为信号幅值;fo为信号频率;t为时间。噪声为n(t)=2D g(t)(3)式中:D为噪声强度;g(t)为自噪声8。经典S R的数学模型9在非线性系统中的表达,原理如图1所示。图中U(x)=-a2x2+b4x4为系统模型,以=a/b为系统参数,表述质点在势阱中的过阻尼布朗运动。通过在势阱中的切换,使信号、噪声和系统产生同步,令输出得到增强。图1 S R模型时滞反馈随机共振在经典S R的基础上,通过362 2 0 2 3年第5期马 健,
18、等:基于T F S R-C E EMD A N的齿轮箱早期故障预警方法 加入一个反馈项,提高增强弱信号的能力,原理如图2所示。T F S R系统可用下式表示:ddX0(t)dt=-U(x)x+x(t-)+s(t)+n(t)(4)式中:为反馈强度;为滞后时间。图2 T F S R模型这些结构参数影响粒子在势场中的振荡效率,进而影响从背景噪声中提取故障信号的性能。可保留输出信号的信息,并以调节来增强输出。经典S R的响应本质上是系统方程的解。在积分过程中,不同输入的剧烈抖动将被平滑。而输出是从输入累积的,信号的高频部分在积分处理之后被擦除1 0,因此,T F S R可以看作是一种特殊的低通滤波器,
19、而引入的时延反馈项对S R的输出以及信号的滤波性能都有影响。1.2 C E E MD A N算法T o r r e s1 1等在集合经验模态分解(E n s e m b l e E m p i r i a l M o d e D e c o m p o s i t i o n,E E EMD)基础上提出了C E E M D A N,本质是向E E M D过程的每个阶段逐一加入自适应的白噪声,并且以较低的计算代价实现了本征模式函数更好的谱分离。C E E M D A N因其高分解效率和高重建准确性被广泛应用1 2,但如果直接采用C E E M D A N分解信号,I M F分量中的高频噪声会导致
20、故障特征提取效果欠佳或根本难以提取。因此,先将信号通过T F S R系统,对含强噪声的信号进行消噪处理,以突出其原有的故障冲击成分,再对此时的信号进行C E E M D A N自适应分解,能保持信号的完整,也可解决模态混叠的现象。2 算法实现原始信号经过T F S R增强后信号的幅值已经衰减,需要一个描述故障特征频率处的能量变化的指标,信噪比则适用于此时的输出。信噪比1 3是信号功率谱中特征频率处的幅值与噪声之比,为使得系统输出信号具有最佳信噪比,需要调节T F S R的反馈强度和滞后时间,信噪比S为S=f(,),(-,+),(0,T)(5)式中:T为输入信号周期。假设反馈强度(-2 0 0
21、0 0,2 0 0 0 0),滞后时间(0,0.0 0 0 3),S、与的关系如图3所示。图3 信噪比、反馈强度和滞后时间的函数图像由于恶劣的运行环境下齿轮箱早期故障信息微弱,而啮合频率处的信噪比在强噪声的影响下难以展现真实的故障特征信息变化。因此,以信噪比为目标函数,遍历选择最佳反馈强度、滞后时间,使T F S R系统中的微弱信号、噪声和电势得到最大程度的匹配,以得到最佳的故障信息增强效果。再对滤波信号进行C E EMD A N自适应分解,重构大于平均信噪比的分量。最后计算重构后的信号啮合频率处及其倍频的信噪比,与正常运行状态下齿轮的指标分析对比,达到早期故障预警的效果。方法的流程如图4所示
22、。图4 早期故障预警流程462上 海 电 机 学 院 学 报 2 0 2 3年第5期3 仿真验证为进一步验证基于T F S R-C E EMD A N的早期故障预警指标诊断方法在真实环境下的有效性,本研究使用型号D G 1 0 2 2 Z的信号发生器与工控机模拟平台模拟齿轮箱早期磨损故障1 4,通道分别产生啮合频率2 0 0H z和边频2 0H z的齿轮磨损故障信号,故障特征频率为8 7H z的轴承外圈故障信号,方差为5的白噪声信号,并通过A R T动态采集卡采集,采样频率1 2k H z,采样点数为8 1 9 2,得到的信号如图5所示。图5 采集信号由图5可见,信号的时域被噪声干扰严重,并且
23、由于轴承故障冲击信号的影响,啮合频率周围的干扰较多。通过对工控机采集信号进行T F S R-C E EMD A N算法处理,得到的信号如图6所示。由图6可见,由于轴承冲击信号和滤波的影响,时域信号同样具有部分失真现象,但是降噪的效果明显,并且在频谱图上能观察到在基频2 0 0H z附近,有1 8 0.1 7 6H z和2 1 9.7 2 7H z的谱峰。这和设置的2 0H z的调制频率相吻合。但是由于干扰信号和滤波的影响,边频带的幅值并不对称,并且在边频带产生轴承二倍频1 7 4.3 1 6H z的较高谱峰,这是由于轴承的二倍频和待增强的微弱故障信号处于同一频带。这时只能初步判 图6 重构信号
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 TFSR CEEMDAN 齿轮箱 早期 故障 预警 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。