[发明专利]基于频谱核密度函数相关性比较的齿轮箱故障诊断方法

摘要

基于频谱核密度函数相关性比较的齿轮箱故障诊断方法，首先针对齿轮箱的每种故障状态，分别采样多组振动数据；然后针对每种故障状态的多组振动数据，分别先后进行FFT计算、频谱预处理、频率分布直方图转化、核密度函数估计以及核密度函数平均化计算，得到齿轮箱每种故障状态的标准核密度函数；最后针对齿轮箱在未知故障状态下的振动数据，计算其核密度函数与各种故障状态标准核密度函数之间的相关系数，利用相关系数最大值对应的标准核密度函数对齿轮箱的故障状态进行诊断。本发明不需要对齿轮箱振动数据频谱的细节进行深入分析，亦不依赖于维护人员对于齿轮箱故障诊断方法的认知和经验，故障诊断准确率高，适合于计算机智能化实现。

主权项

基于频谱核密度函数相关性比较的齿轮箱故障诊断方法，其特征在于，包括以下步骤：(1) 数据采集假设齿轮箱有N+1种故障状态，分别记为F0、F1、F2、、FN，其中表示零故障的正常状态，F1、F2、、FN表示齿轮箱的N种典型故障状态；针对齿轮箱在的故障状态下，其中取0、1、2、、N，利用振动传感器从齿轮箱体上采样组长度为L的振动数据，其中L取为偶数；针对齿轮箱的N+1种故障状态，总共从齿轮箱体上采样组长度为L的振动数据；(2) 标准核密度函数计算对步骤(1)中故障状态下采样的组振动数据分别进行FFT计算，得到副频谱图；对副频谱图分别进行预处理，得到副频率分布直方图；将副频率分布直方图分别转化为组整数数据；对组整数数据分别进行核密度函数估计，得到个核密度函数；对个核密度函数进行平均化计算，得到齿轮箱故障状态所对应的标准核密度函数；针对齿轮箱的N+1种故障状态，利用步骤(1)所述的组振动数据计算得到N+1个标准核密度函数，分别记为SKDF_0、SKDF_1、SKDF_2、、SKDF_N；(3) 齿轮箱故障状态诊断针对齿轮箱在某一未知故障状态下，利用振动传感器从齿轮箱体上采样一组长度为L的振动数据；对该组振动数据进行FFT计算，得到其频谱图；对该频谱图进行预处理，得到其频率分布直方图；将该频率分布直方图转化为一组整数数据；对该组整数数据进行核密度函数估计，得到其核密度函数；计算该核密度函数与步骤(2)中所述的个标准核密度函数之间的相关系数值；当该核密度函数与第i个标准核密度函数KDF_i之间的相关系数值取最大时，其中i取0、1、2、、N中的某一个值，则齿轮箱的故障状态诊断为Fi。