权利要求书： 1.一种行星齿轮箱齿面磨损故障诊断方法，其特征在于，包括以下步骤：
1)采用FSWT对原始振动信号进行频带选取，并进行信号重构；
2)将重构信号进行Hilbert变换，得到低频调制信号；
3)采用MOMEDA算法提取低频调制信号中的周期性故障脉冲，得到故障信号；
4)对故障信号进行平方包络谱分析，突出故障信号中的瞬态能量成分，识别聚集在低频段的故障特征频率；
5)对故障信号进行HEI量化处理，实现对行星齿轮箱齿面磨损的故障诊断。
2.如权利要求1所述故障诊断方法，其特征在于，采用所述FSWT对原始振动信号进行频带选取，包括以下步骤：
1.1)对原始振动信号进行FSWT分析，提取包含瞬态脉冲丰富的频带作为故障频带；
1.2)采用FSWT逆变换对故障频带内的信号进行重构，重构信号z′(t)为：t1为起点时间,t2为终止点时间；ω1起点频率,ω2为终止点频率；W(t,ω,k)为原始振动信号z(t)的频率切片小波变换，t和ω为观测时间和观测频率，τ为时间自变量，k为频域上的尺度参数。
3.如权利要求1所述故障诊断方法，其特征在于，采用所述MOMEDA算法进行故障脉冲提取，包括以下步骤：
3.1)利用解卷积获取故障脉冲信号y(n)；
3.2)确定故障脉冲信号的故障脉冲周期，根据该故障脉冲周期选择周期区间；
3.3)在多点峭度谱中选择在周期区间峭度最大值处对应的周期，将该周期与理论脉冲周期结合计算误差率，若误差率在预设范围内，则该周期为故障脉冲周期；
3.4)利用MOMDEA准确提取故障脉冲周期的故障脉冲信号，得到所需要包含故障信息的故障信号。
4.如权利要求3所述故障诊断方法，其特征在于，所述步骤3.1)中，解卷积过程为：式中，n表示采样点个数，x(n)为原始振动信号，y(n)为故障脉冲信号，f为滤波器参数，k＝1,2,…,N?L,其中N表示解卷积范围，L代表滤波器阶数。
5.如权利要求4所述故障诊断方法，其特征在于，引入了多点D范数：式中，i为目标向量；当目标向量i与脉冲信号y(n)完全契合时，解卷积效果达到最佳，此时多点D范数MOMEDA的值取得最大值,与之对应的滤波器参数f即为最优滤波器参数。
6.如权利要求3所述故障诊断方法，其特征在于，所述多点峭度谱KMK为：式中，i
声明：
“行星齿轮箱齿面磨损故障诊断方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
621
编辑：中冶有色网
来源：北京信息科技大学
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年06月13日 ~ 15日 
