【技术实现步骤摘要】
本专利技术涉及齿轮故障诊断，具体涉及一种基于声信号bark带响度变化特征频率的齿轮故障特征提取方法。
技术介绍
1、齿轮是机械设备中的关键元件，它的好坏直接影响整个机械设备的运转。在机械设备运行过程中，齿面磨损、齿面点蚀、齿轮折断等都是常见的齿轮故障，这些齿轮故障会使整个机械设备运行异常。因此，在机械设备中进行齿轮故障诊断具有非常重要的现实意义。
2、早期的齿轮故障诊断方法是由听音员通过人工听音来进行的，由于听测工人受技术熟练程度、身体与情绪状况和工作疲劳程度等因素影响，对声音的主观感受差别较大，很难用一个稳定且一致的标准来判断齿轮是否存在故障。
3、目前机械设备的齿轮故障诊断主要是基于振动信号和声发射信号的测量和分析(黄晨.基于振动和声发射的旋转机械故障诊断系统的研究与实现[d].东南大学,2017.)，其测量传感器需要贴附到设备测试部件的表面，但部分机械设备由于复杂的内部结构或者其工作环境不易于安装测量传感器，这使得振动信号和声发射信号在齿轮故障诊断技术应用中受到了限制。
4、基于声学信号的故障诊断技术(李少波,姚勇,桂桂，等.基于cnn与多通道声学信号的齿轮故障诊断[j].中国测试,2019,45(10):1-5.)在齿轮故障诊断中已被应用，并取得了较好的诊断结果。采用声学测量与分析的故障诊断方法其优点在于测量设备简单、非接触式测量、不影响机械设备的正常运转等。但是目前声信号分析中多数方法仍采用传统的信号分析处理手段，忽略了人耳听觉系统对声信号的感知辨识能力，使得检测结果与主观判断结果存
技术实现思路
1、为了解决上述问题，本专利技术提供了一种基于声信号bark带响度变化特征频率的齿轮故障特征提取方法，具体技术方案如下：
2、步骤s1：使用传声器采集齿轮运行的声音信号，设传声器的采样频率为fs，单位为hz；声音信号时长为t，单位为s；按照iso 532-1：2017标准对声音信号计算时变特征响度v(n,zi)，其中n是指将信号时长t按照2ms为分度划分的点数，表示向下取整；将24个临界频带bark按照0.1bark为分度划分为240个子频带，i即为对应的频带号，i＝1,2,…,240；zi为心理声学的240个临界频带bark的频率尺度。
3、步骤s2：计算时变特征响度v(n,zi)各频带在时间上对应的响度和n(zi)。其计算公式如下所示：
4、
5、步骤s3：将n(zi)按照从大到小进行排序，选取出响度和较大的前a％对应的频带，记录它们的bark频带z1,z2,…,zj,…,z240*a％；
6、步骤s4：对所选取的每个bark频带zj的时变特征响度v(n,zj)去直流分量得到v1(n,zj)，其计算公式为：
7、
8、步骤s5：令表示向上取整，对v1(n,zj)补零得到v1(d,zj)，使得v1(d,zj)在时间上的总点数等于2c。
9、步骤s6：对v1(d,zj)作离散傅里叶变换，取单边谱得到rj(k)，其中离散傅里叶变换点数为2c，其计算公式如下所示：
10、
11、其中,k是傅里叶变换得到的谱线对应编号；
12、步骤s7：记录rj(k)谱线幅度最大值对应的编号kj，计算其所对应的频率值hj，用来代表该bark带的响度变化情况，称为bark带响度变化特征频率,其计算公式为：
13、
14、步骤s8：将选取出的bark频带与其对应的bark带响度变化特征频率hj构建成向量[z1,z2,…,zj,...,z240*a％,h1,h2,...,hj,...,h240*a％]作为采集的一个声音信号的特征向量。
15、本专利技术的有益效果为：本专利技术在iso 532-1：2017标准上计算时变特征响度，并通过统计bark带响度和以及计算bark带响度变化特征频率来高效表征齿轮故障，使所提取的特征更加符合人的听觉感知结果，且可进行一致性评判，为故障诊断提供高质量特征来源。本专利技术在特征提取过程中设置了比例参数，从而可根据不同应用场景和实际情况对所选择的特征数量进行控制，从而扩展了本专利技术所提方法的应用范围。
本文档来自技高网...【技术保护点】
1.一种基于声信号Bark带响度变化特征频率的齿轮故障特征提取方法，其特征提取包括以下步骤：
【技术特征摘要】
1.一种基于声信号bark带响度变化特征频率的...
【专利技术属性】
技术研发人员：苏海涛，张文杰，古洁鹏，魏玉龙，黄静，卢远宁，徐翠锋，胡鸿志，
申请(专利权)人：桂林电子科技大学，
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。