基于时频脊线提取与改进稀疏分量分析的RV减速器复合故障盲分离

HT165; 针对农业机器人的核心传动部件旋转矢量(rotate vector,RV)减速器的故障特征提取问题,该研究提出一种基于时频图像脊线提取与改进稀疏分量分析相结合的RV减速器复合故障盲提取方法.首先利用提出的时频图像脊线提取(ridge extraction from time-frequency images,RETF)方法同步截取机械臂恒速时段的观测振动信号,然后利用提出的sinC函数改进形态滤波(sinC-morphological filtering,SMF)算法、密度峰值聚类(density peak clustering,DPC)算法和正交匹配追踪(orthogonal m...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 39; no. 22; pp. 18 - 26
Main Authors 周俊, 谢文松, 伍星, 柳小勤, 刘韬
Format Journal Article
LanguageChinese
Published 昆明理工大学机电工程学院,昆明 650500%昆明理工大学机电工程学院,昆明 650500 01.11.2023
西安因联信息科技有限公司,西安 710076%昆明理工大学机电工程学院,昆明 650500
云南机电职业技术学院,昆明 650203
Subjects
机器人
fault diagnosis
composite fault
脊线提取
密度峰值聚类
density peak clustering
orthogonal matching pursuit
正交匹配追踪
RV reducer
复合故障
故障诊断
ridge extraction
RV减速器
robots
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.202305086

Cover

More Information
Summary:HT165; 针对农业机器人的核心传动部件旋转矢量(rotate vector,RV)减速器的故障特征提取问题,该研究提出一种基于时频图像脊线提取与改进稀疏分量分析相结合的RV减速器复合故障盲提取方法.首先利用提出的时频图像脊线提取(ridge extraction from time-frequency images,RETF)方法同步截取机械臂恒速时段的观测振动信号,然后利用提出的sinC函数改进形态滤波(sinC-morphological filtering,SMF)算法、密度峰值聚类(density peak clustering,DPC)算法和正交匹配追踪(orthogonal matching pursuit,OMP)算法相结合的盲源分离方法(SMF-DPC-OMP)实现平稳信号复合故障的分离提取.以sinC函数作为新的结构元素构造平均组合形态滤波器,对恒速时段的振动信号进行形态滤波处理,以提升信号的冲击特性以及稀疏性;利用DPC估计稀疏信号的混合矩阵,构建传感矩阵,并结合OMP在频域完成分离源信号重构,最后对重构的时域信号进行快速傅里叶变换完成故障识别.试验台采集的RV减速器的太阳轮和行星轮磨损复合故障信号的分析结果显示,该算法能有效实现RV减速器复合故障的盲分离.RETE算法能够在变转速工况导致时频图较为模糊的情况下,识别出RV减速器的运动状态;SMF-DPC-OMP算法能够在故障源数目未知的情况下,有效完成复合故障的盲分离.与已有方法相比,SMF-DPC-OMP方法能够节省约 75%的时间成本,频谱更为简洁,能够抑制精细侧频和干扰分量,适用于关节型农业机器人RV减速器复合故障盲分离,对生产实际中的故障特征提取具有一定的参考意义.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.202305086