【技术实现步骤摘要】
本专利技术涉及齿轮故障诊断，特别是涉及一种基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法及系统。
技术介绍
1、齿轮传动系统在机械运动中传输力和转矩，具有体积小、结构复杂和传动比大的特点，目前已经广泛用于风机、汽车和航天等领域。齿轮箱是旋转机械的重要组成部件，由于在生产生活中经常受到载荷突变的影响，使得齿轮的故障发生频繁，极易造成设备故障，导致停工停产，甚至威胁到生命安全。由于齿轮系统长期在恶劣的工作环境以及复杂的工况下运转，齿轮材料的性能、装配时的误差、受到的负载过高、人工维护不及时等都有可能导致齿轮出现故障，齿根裂纹作为最常见的一种故障形式，齿轮材料的强度不足、加工精度不高、润滑油膜形成不良以及受到应力过大均有可能导致裂纹的出现以及加速裂纹的扩展。
2、初期的裂纹故障无法肉眼识别，甚至需要高精度仪器才能发现，裂纹会在齿轮系统传动过程中逐渐扩展，裂纹扩展到一定程度就会出现轮齿断裂等严重后果，这对状态监测和故障诊断都是不小的考验。传统的齿轮故障诊断往往都是在恒定载荷下进行的，但是在实际的生产生活当中，齿轮系统在工作时经常遇到不同的载荷，就使得齿轮的振动信号与能量都会发生变化，此时以往针对恒定载荷的故障诊断方法就不能有效的识别故障类型，无法满足实际的需求，所以对多种载荷工况下裂纹齿轮的故障诊断比稳定载荷情况时裂纹齿轮的故障诊断有着更加重大的意义。
技术实现思路
1、本专利技术的目的是提供一种基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法及系统，能够准确识别
2、为实现上述目的，本专利技术提供了如下方案：
3、一方面，本专利技术提供了一种基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法，该方法包括以下步骤：
4、获取齿轮箱发生故障时产生的振动冲击信号，提取特征参数，并进行归一化处理；
5、基于改进的蜜獾优化算法优化vmd的参数，构建ihba-vmd算法，得到优化后的vmd算法的最优参数组合，所述最优参数组合包括分解层数k和惩罚因子α的最佳取值；
6、基于优化后的vmd算法，对归一化处理后的特征参数进行分解，筛选出包含故障特征的imf分量；
7、将包含故障特征的imf分量输入到基于svm构建的分类识别器中，进行齿轮裂纹损伤程度识别。
8、进一步地，所述提取的特征参数包括时域特征、频域特征以及能量域特征的参数。
9、进一步地，所述改进的蜜獾优化算法为：
10、在“挖掘阶段”引入波动系数γ，改变蜜獾搜索方向的参数f1更新为：
11、
12、式中，γ为rand∈(0.8,1.2)，r6为[0,1]之间随机数；
13、蜜獾的捕食路线轨迹，根据粒子群算法加入权重因子，表达式如下：
14、
15、其中，
16、式中，ω(t)表示权重因子，tmax为最大迭代次数；xnew表示蜜獾的最新位置；xprey表示猎物目前在全局中的最佳位置；β为一个大于等于1的数，代表蜜獾捕食的能力；ii为猎物的气味强度；α'表示密度因子；di表示猎物与第i只蜜獾之间的距离；r3、r4、r5为[0,1]之间随机数。
17、进一步地，所述基于改进的蜜獾优化算法优化vmd的参数，构建ihba-vmd算法，得到优化后的vmd算法的最优参数组合，具体包括以下步骤：
18、(1)输入实验采集的原始信号，将vmd的控制参数[k，α]作为要寻找的最优解，设置控制参数的取值范围，k的取值设为[2,12]，α的取值设为[1000,4000]，初始化hba算法中的各项参数包括迭代次数t和种群规模n及蜜獾位置；
19、(2)将初始化的[k，α]作为vmd的输入参数来分解信号，将峭度、均方根值、包络谱峭度、频率标准差和能量值进行归一化处理后相乘得到的融合指标作为适应度值，选择最小的适应度值来输出一组最优的[k，α]；
20、(3)比较当前迭代次数与上一次迭代的适应度值大小，如果当前适应度值更小则替换掉上一次迭代的适应度值；
21、(4)当达到最大迭代次数时停止迭代，得到适应度值变化曲线以及最优的参数组合[k，α]。
22、进一步地，所述基于svm构建的分类识别器，包括：
23、在支持向量机中引入核函数，假设φ(x)表示将x映射后得到的特征向量，此时在特征空间中划分超平面的模型可用下式来表示：
24、
25、式中，k(x,xi)表示核函数；ω＝(ω1,ω2,…,ωd)表示法向量，用于决定超平面的方向；b表示位移项，用于决定原点与超平面之间的距离值；，ω和b共同确定了分类超平面(ω,b)的位置；样本空间中的任意点用x表示；αi＝(α1；α2；…；αm)，表示拉格朗日乘子法引入的新的参数，yi＝1或-1，表示支持向量所在的超平面。
26、进一步地，所述核函数为线性核函数、多项式核函数或高斯核函数。
27、进一步地，所述将包含故障特征的imf分量输入到基于svm构建的分类识别器中，进行齿轮裂纹损伤程度识别，包括：
28、定义不同类别所对应的齿轮裂纹损伤程度，基于包含故障特征的imf分量划分不同类别；
29、将归一化后的峭度、均方根值、包络谱峭度、频率标准差和能量值作为分类指标；
30、设置训练数和预测数比例为1:1。
31、另一方面，本专利技术还提供一种基于ihba-vmd-svm的齿轮裂纹损伤程度识别系统，包括：
32、参数获取模块，获取齿轮箱发生故障时产生的振动冲击信号，提取特征参数，并进行归一化处理；
33、vmd优化模块，基于改进的蜜獾优化算法优化vmd的参数，构建ihba-vmd算法，得到优化后的vmd算法的最优参数组合，所述最优参数组合包括分解层数k和惩罚因子α的最佳取值；
34、分解模块，基于优化后的vmd算法，对归一化处理后的特征参数进行分解，筛选出包含故障特征的imf分量；
35、分类识别模块，将包含故障特征的imf分量输入到基于svm构建的分类识别器中，进行齿轮裂纹损伤程度识别。
36、本专利技术还提供一种电子装置，包括一个或多个处理器、存储器；
37、一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如上述的基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法。
38、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述的基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法。
39、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的基于ihba-vmd-svm的齿轮裂纹本文档来自技高网...
【技术保护点】
1.一种基于IHBA-VMD-SVM的齿轮裂纹损伤程度识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于IHBA-VMD-SVM的齿轮裂纹损伤程度识别方法，其特征在于，所述特征参数包括时域特征、频域特征以及能量域特征的参数。
3.根据权利要求1所述的基于IHBA-VMD-SVM的齿轮裂纹损伤程度识别方法，其特征在于，所述改进的蜜獾优化算法为：
4.根据权利要求1所述的基于IHBA-VMD-SVM的齿轮裂纹损伤程度识别方法，其特征在于，所述基于改进的蜜獾优化算法优化VMD的参数，构建IHBA-VMD算法，得到优化后的VMD算法的最优参数组合，具体包括以下步骤：
5.根据权利要求1所述的基于IHBA-VMD-SVM的齿轮裂纹损伤程度识别方法，其特征在于，所述基于SVM构建的分类识别器，包括：
6.根据权利要求5所述的基于IHBA-VMD-SVM的齿轮裂纹损伤程度识别方法，其特征在于，所述核函数为线性核函数、多项式核函数或高斯核函数。
7.根据权利要求1所述的基于IHBA-VMD-SVM的齿轮裂纹损
8.一种基于IHBA-VMD-SVM的齿轮裂纹损伤程度识别系统，其特征在于，包括：
9.一种电子装置，其特征在于：
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于IHBA-VMD-SVM的齿轮裂纹损伤程度识别方法。
...【技术特征摘要】
1.一种基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法，其特征在于，所述特征参数包括时域特征、频域特征以及能量域特征的参数。
3.根据权利要求1所述的基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法，其特征在于，所述改进的蜜獾优化算法为：
4.根据权利要求1所述的基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法，其特征在于，所述基于改进的蜜獾优化算法优化vmd的参数，构建ihba-vmd算法，得到优化后的vmd算法的最优参数组合，具体包括以下步骤：
5.根据权利要求1所述的基于ihba-vmd-svm的齿轮裂纹损伤程度识别方法，其特征在于，所述基于...
【专利技术属性】
技术研发人员：孟瑞，刘子琛，陈铭，陈亮亮，任雪晴，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。