一種基于com組件的齒輪系統多故障診斷方法
【專利摘要】本發明公開了一種基于COM組件的齒輪系統多故障診斷方法，綜合運用經驗模態分解、小波閾值降噪、高階累積量理論及COM組件技術；小波閾值降噪直接作用于經驗模態分解得到高頻本征模函數分量，而不是直接作用于整個信號得到的降噪后的重構信號。對降噪后的重構信號進行經驗模態分解-高階累積量的處理，并依據其譜分析結果對故障模式和損傷程度做出診斷，可提高診斷的精度和效率，豐富診斷的功能。在實施過程中將COM組件技術作為診斷系統的軟件實現手段，將各部分開發為COM組件，組合成能進行故障模式和損傷程度診斷的應用系統；其不但能進行典型單故障的診斷，而且能進行復合多故障診斷，且便于診斷系統的開發和在線升級。
【專利說明】一種基于COM組件的齒輪系統多故障診斷方法
【技術領域】
[0001] 本發明屬于機械故障診斷【技術領域】，具體地說，涉及一種基于COM組件的齒輪系 統多故障診斷方法。
【背景技術】
[0002] 隨著機械設備的日趨完善化、復雜化和自動化，設備故障診斷的理論和方法在國 內外得到了廣泛的研究、發展和應用。
[0003] 發明專利CN102122133A中公開了一種"自適應小波神經網絡異常檢測故障診斷 分類系統及方法"，該系統的自適應小波神經網絡可以對待檢測樣本自動建立自適應機制， 通過小波變換多尺度分析能有效提取信號的特征信息，并能夠得到更加準確的異常檢測、 故障診斷定位結果。在專利CN102288286A中提出了"一種振動加速度傳感器齒輪箱測點精 度分析與評價方法"，通過振動加速度傳感器，以轉速信號為主控，對齒輪箱進行振動信號 和轉速信號的同步數據采集；提取時域特征值進行分析評價，繪制RMS-Peak圖和箱線圖； 計算階次譜進行分析評價；通過時域分析、頻域分析方法分析結果，形成齒輪箱測點精度分 析與評價結果。發明專利CN102063109A中描述了"一種基于神經網絡的地鐵列車故障診 斷裝置及其方法"，其下位機按照功能單元對采集到的地鐵列車狀態信息進行分類，并將數 據集中后再匯總給上位機，上位機接收，處理和存儲下位機匯總的地鐵列車狀態數據，上位 機包括數據集合模塊和神經網絡模塊，數據集合模塊完成對采集到的地鐵列車狀態數據分 類處理；下位機采集地鐵列車的實時數據信息，當地鐵列車發生故障或將要發生故障時，上 位機的神經網絡模塊依據訓練時建立的徑向基函數神經網絡的輸出作出相應的判斷和預 判，將故障信息輸出至故障診斷結果模塊。美國專利US201113219467A介紹了"METHOD AND APPARATUS FOR REMOTE VEHICLE DIAGNOSIS"，將車輛運行時的狀態和控制數據存在一個緩 沖器中，并通過緩沖器中的處理芯片將這些數據和預設的正常參數進行對比，如有異常，緩 沖器自動向遠程的診斷裝置發送這些數據，從而確定是否停車維修，同時將這次異常記錄 在行車日志中。
[0004] COM (Component Object Model)是Microsoft公司近年來開發的用于創建軟件組 件的二進制規范，是一種對象服務器與對象客戶進行交互的協議，它的創建為Windows操 作系統中的兼容性對象和通信"管道"順利工作提供了技術規范，使得各種軟件產品更加靈 活、更具有動態性并且更易于定制。符合這種規范的軟件組件可以集成到程序中去，也可以 向Windows平臺上的現有程序中添加新功能。COM除了具有面向對象特性和客戶/服務器 特性這兩個基本特性外，還具有語言無關性、對進程的透明性及其可重用機制特性。COM組 件可用各種語言工具編寫而成，是〇LE，ActiveX和DirectX規范的基礎。
[0005] 當前，基于振動測試而開發的機械故障診斷裝置或系統，理論簡單、功能單一，存 在的不足之處是不能在線實施；所依據的理論較原始，沒有綜合運用現代非線性科學和人 工智能的最新研究成果；對多故障和損傷程度的診斷效果較差；診斷精度不高，甚至出現 誤判；診斷軟件升級困難。
【發明內容】
[0006] 為了避免現有技術存在的不足，本發明提出一種基于COM組件的齒輪系統多故障 診斷方法。
[0007] 本發明的思路是：綜合運用經驗模態分解、小波閾值降噪、高階累積量理論以及 COM組件技術；小波閾值降噪直接作用于經驗模態分解的得到高頻本征模函數分量，而不 是直接作用于整個信號得到的降噪后的重構信號。對降噪后的重構信號進行經驗模態分 解-高階累積量的處理，并依據其譜分析結果對故障模式和損傷程度做出診斷。在實施過 程中，將COM組件技術作為診斷系統的軟件實現手段，將各部分分別開發為COM組件，最終 組合成能進行故障模式和損傷程度診斷的應用系統。
[0008] 本發明解決其技術問題所采用的技術方案是，一種基于COM組件的齒輪系統多故 障診斷方法，其特征在于步驟如下：
[0009] 步驟1.對齒輪傳動系統原始振動信號進行EMD分解；
[0010] 對齒輪傳動系統原始振動信號進行EMD分解得到η個本征模函數和一個殘量信 號，
【權利要求】
1. 一種基于COM組件的齒輪系統多故障診斷方法，其特征在于步驟如下： 步驟1.對齒輪傳動系統原始振動信號進行EMD分解； 對齒輪傳動系統原始振動信號進行EMD分解得到η個本征模函數和一個殘量信號， ^(〇=Ec?w+/?w ⑴ M-I 式中，cn(t)為分解獲得的第η個MF，rn(t)為經分解篩除得到η個MF后的信號殘 量； 步驟2.對帶噪的高頻分量即第一個本征模函數頂F1，采用小波閾值降噪處理，獲得降 噪后的高頻本征模函數分量；再將降噪后的高頻本征模函數分量與不含噪聲的低頻本征模 函數分量一起重構，得到降噪后的重構信號； 降噪處理采用小波變換進行去噪的方法步驟： (1) 確定小波分解的層數，對信號進行分解計算； (2) 采用閾值確定原理確定各個分解層下細節信號的閾值，對細節信號進行閾值化處 理； 閾值確定原則采用啟發式閾值，選擇最優預測變量閾值，當信噪比較大時，用固定的閾 值，當信噪比較小或擾動較大時，使用Stein的無偏估計理論來確定閾值，小波降噪采用的 _值確雜棚ID丨丨加下：
其中，S為η個小波系數的平方和，ση為噪聲標準方差,wb為風險函數,N為信號長度， 令η= (s_n)/n及,"=(丨 (3) 利用閾值處理后的細節信號和最后一層的近似信號進行相加，得到降噪后的信 號； 步驟3.將消噪后的重構原信號通過EMD分解成三層不同頻段信號，將各頻率段的特征 信號進行分離，再對每一層信號進行高階累積量及其相關技術的譜分析； 設Mn)}為零均值平穩隨機過程，則其k階累積量ck，xOn1,m2，…，HV1)的（k-Ι)維傅 里葉變換ix(nM定義為的k階譜，即
通常k階譜對應于（k-Ι)譜，取k= 2, 3, 4時，式（3)分別簡化為功率譜、雙譜和三譜 公式； 步驟4.各步驟均采用COM組件技術實現；將MATLAB中編的每個信號分析處理算法做 成一個COM組件，當所有的組件開發完成后，通過相互間的接口來完成組件間的協同工作， 將其組合即得到完整的應用系統，實現對單故障、復合故障以及故障程度的診斷功能。
【文檔編號】G01M13/02GK104316317SQ201410523304
【公開日】2015年1月28日 申請日期:2014年10月8日 優先權日:2014年10月8日
【發明者】邵忍平, 邵博麗, 汪亞運, 曹精明, 胡文濤 申請人:西北工業大學