1.一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法,其特征在于,包括以下步骤:步骤1:基于导数动态时间规整(DDTW)算法和重采样技术的信号预处理;
步骤2:基于变分模态分解(VMD)算法和包络同步平均(ESA)方法的齿轮微弱局部故障的特征提取;
步骤3:通过故障特征提取结果的快速傅里叶变换(FFT)得到的频谱图实现齿轮微弱局部故障的诊断。
2.根据权利要求1所述的一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法,其特征在于所述的步骤1,基于导数动态时间规整(DDTW)算法和重采样技术的信号与处理,其具体步骤为:步骤1.1:获取参考信号A与测试信号B。将健康状态下的齿轮箱振动信号作为DDTW算法的参考信号A,将齿轮微弱局部故障状态下的齿轮箱振动信号作为DDTW算法的测试信号B,参考信号与测试信号同时输入DDTW算法;
步骤1.2:利用DDTW算法的计算结果进行求残差运算,获得序列长度大于原长的原始残差信号OR;
步骤1.3:利用重采样技术将原始残差信号OR恢复原长。
3.根据权利要求1所述的一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法,其特征在于所述的步骤2,基于变分模态分解(VMD)算法和包络同步平均(ESA)方法的齿轮微弱局部故障的特征提取方,其具体步骤为:步骤2.1:求包含故障信息的本征模态函数(IMF)分量;
步骤2.2:使用ESA方法对所获得的IMF分量进行处理,获得ESA信号,实现齿轮微弱局部故障的特征提取。
4.根据权利要求1所述的一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法,其特征在于所述的步骤3,通过故障特征提取结果的快速傅里叶变换(FFT)得到的频谱图实现齿轮微弱局部故障的诊断,其具体步骤为:步骤3.1:将使用ESA方法处理IMF分量所得到的结果进行FFT。
步骤3.2:对频谱图进行频率特征分析获得特征频率,实现故障诊断。
5.根据权利要求2所述的一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法,其特征在于所述的步骤1.1,获取参考信号A与测试信号B,健康状态下的齿轮箱振动信号和齿轮微弱局部故障状态下的振动信号均由三向加速度检测传感器测得,该传感器可同时测得X向(水平方向)、Y向(竖直方向)、Z向(轴向)共三个方向的振动信号,传感器放置在靠近设置故障齿轮的齿轮箱体外侧。
6.根据权利要求2所述的一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法,其特征在于所述的步骤1.2中,求残差运算,三个方向的振动信号均需要进行求残差运算,其具体步骤为:步骤1.2.1:使用DDTW算法将参考信号A与测试信号B进行规整对齐,健康状态下的齿轮箱振动信号的数据点和齿轮微弱局部故障状态下的齿轮箱振动信号的数据点一一对应。
步骤1.2.2:将对应好后的新的健康状态下的齿轮箱振动信号的数据点和齿轮微弱局部故障状态下的齿轮箱振动信号直接做差,获得原始残差信号OR。
7.根据权利要求2所述的一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法,其特征在于所述的步骤1.3中,利用重采样技术将原始残差信号OR恢复原长,其具体为:在获得原始残差信号OR之后,应用重采样技术将原始残差信号恢复原长,获得残差信号R。
8.根据权利要求3所述的一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法,其特征在于所述的步骤2.1,求包含故障信息的IMF分量,其具体步骤为:步骤2.1.1:将测得的健康状态下的齿轮箱振动信号和齿轮微弱局部故障状态下的齿轮箱振动信号进行FFT,获得各个信号的频谱图。
步骤2.1.2:根据频谱图的频率分布情况划分频谱图中的频率分布区域。
步骤2.1.3:根据频率分布区域的数量设置VMD算法分解后获得的IMF分量的数量。
步骤2.1.4:使用VMD算法将残差信号R分解,每一个残差信号R得到得到多个IMF分量。
9.根据权利要求3所述的一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法,其特征在于所述的步骤2.2中,ESA算法的具体计算方法如下:其中y表示ESA信号,n为一个残差信号R经VMD算法分解后得到的IMF分量数量,IMFi表示第i个IMF分量,hht表示希尔伯特黄变换,abs表示取绝对值。
10.根据权利要求8所述的基于变分模态分解算法(VMD)和包络同步平均(ESA)方法的齿轮微弱局部故障的特征提取,其特征在于所述的步骤2.1.2中,划分频谱图中的频率分布区域,划分时遵循以下具体原则:(1)同一齿轮的转动频率及其倍频作为一个频率分布区,该区域中只包含一个中心频率Fc;
(2)同一对齿轮的啮合频率及其倍频要分别作为不同的频率分布区,保证每一个频率分布区只含有一个中心频率Fc;
(3)一个固定轴齿轮箱中通常含有多个齿轮,其振动信号的频谱图通常会出现多个齿轮的转动频率,在划分时会存在频率分布区混叠的现象,这对于最终结果无影响;
(4)对于频谱图中出现的无法确定的频率值,按照噪声频率处理,仍要单独划分为一个频率分布区。