状态参数识别在齿轮箱故障诊断中的应用_曹婧华

∑ ( ∑ f kl
εs =
k =1 l =1
p
c
－ max｛ f kl ｝ n
)
（ 1）
为了降低搜索较好解决方案的复杂性将不一致 率作为评价测度是可行的． 设 d' 为所选集合 Z 的元 d' d， Z = ｛ F1 ， F2 ， …， F d' ｝ ， 如前所述， 设简约 素数， X p' ， ： 集 中的模式数为 值得注意的是 因为 d' d， 所以 p' p． 从而得到一个新的相依表， 如表 3 所示， 们会发现其与原表相比仅仅几行， 并由此提取敏感 特征参数．
2 x（ n） cos 2 π kn － jsin 2 π kn N∑ N N n =0 N 1， 2， 3 …， － 1 ． 2
[ (
)
(
其中 k = 0 ， ) ]，
F2 ， …， Fd 分 为 c 假设数据集 有 d 个 特 征 F1 ， j 代表其中的每一个， 类． 数据样本有 n 个， 令 x ji 表 2， …， n； i = 1 ， 2， …， d ） 的离散值， y j 表示 示 Fi （ j = 1， xj ， yj ］ ， x j1 ， x j2 ， …， 并且 x j = ［ 类值 L． 则 j 可描述为［ x jd ］ ， 2， …， p ） 表示 x 的 p 个明显的模 用 xk* （ k = 1 ， i 是离散的是必需明确的， 一般情况下 p n． 式． F i ， 如上所述制成一个相依表如表 2 所示， 由p行c列 元素组成． f kl 表示属于 l（ l = 1 ， 2， …， c） 的模式 x k 包含的样 F2 ， …， F d }的数据集的 本数， 则具有特征集 s = ｛ F1 ， 不一致率按下式计算：
对于齿轮箱故障诊断过程中的特征提取是要选 择合适的特征变量， 来描述和区分齿轮箱正常状态 和故障状态的特征参数， 其中故障状态由敲响、 异 y1 ） ， （ x2 ， y2 ） ， …， 响、 叉响、 噪声组成． 设 T = ｛ （ x1 ， （ xn ， yn ） ｝ ， 即原始数据由 n 个样本点组成并且 x i ∈ R24 ， 24 表示输入的分量个数， 输出 y i ∈ ｛ 1 ，－ 1 ｝ ， 表 示齿轮箱的上述正常和故障状态． 需从众多的输入 特征中选取状态敏感特征． 齿轮箱振动信号的时域 和频域特征参数如表 1 所示．
收稿日期： 2012 － 09 － 05 基金项目： 国家 863 计划（ 2011AA11A103 ） ； 国家 863 计划（ 2007AA04Z1A4 ） ． 作者简介： 曹婧华（ 1978 —） ， 女， 博士， 讲师； Email： zhao_fei@ jlu． edu． cn； 赵 飞（ 1976 —） ， 男， 高级实验师， Email： kongfs@ jlu． edu． cn． 通讯作者： 孔繁森（ 1965 —） ， 男， 博士， 教授，
N
2π 2π 2 2 x（ n） e － j N kn ， s（ k） = ∑ x（ n） e － j N kn = N∑ N n =0 n =0Βιβλιοθήκη 信号采集NN
图1
算法流程图
图 1 中的诊断结果是根据某公司齿轮箱检测 线上工人对 齿 轮 箱 故 障 类 型 的 划 分 ， 该算法意在 实现计算机 辅 助 工 人 进 行 齿 轮 箱 故 障 诊 断 ， 以提 高生产线上检测效率 ． 主要有敲响 、 异响 、 叉响 、 噪 音这四种形式 ． 敲响指在齿轮箱检测时 ， 齿轮箱内 常见于啮合齿轮 部产生的具 有 周 期 性 的 敲 打 声 ， 齿面加工不平所致 ． 异响指在齿轮箱检测时 ， 齿轮 箱内部产生 的 尖 锐 刺 耳 的 鸣 叫 声 ， 常见于内部配 合过紧所致 ． 叉响指在齿轮箱检测时 ， 齿轮箱内零 件轻微窜动 时 的 碰 撞 与 划 擦 声 ， 常见于装配松动 的情况 、 轴 轻 度 弯 曲 和 剥 落 等． 在 上 述 机 理 分 析 中， 我们在一定的质量要求标准下 ， 可以将噪音状 态和叉响状 态 下 的 故 障 类 型 划 分 为 正 常 状 态 ， 甚 至由于工人的诊断经验的差异而将噪音状态误认 为正常状态 也 是 常 有 发 生 的 ． 所 以 就 要 求 我 们 通 过计算机准确地提取各种状态下齿轮箱振动具有 差异的 、 最具 有 代 表 性 的 信 息 作 为 检 测 齿 轮 箱 故 障类型的指 导 参 量 信 息 ， 提高计算机辅助诊断效 率， 并且与生 产 线 上 检 测 工 人 定 义 的 故 障 类 型 相 一致 ， 提高程序的实用性 ．
1
齿轮箱故障诊断过程中的特征提取
特征提取本质上是通过某种映射用低维特征空 ［1 － 3 ］ ．用 间模式向量来描述高维特征空间模式向量
第3 期
曹婧华等： 状态参数识别在齿轮箱故障诊断中的应用
表1 齿轮箱振动信号特征参数
特征表达式 p5 p9 = p3 序号 特征参数名称 频域 标准差 频域 18 均方 幅值 p18 = p17 = 特征表达式
x1 ， x2 ， …， x n］ ．用L 特征集： x = ［ 模型 f（ x） 去预测 y， （ y， f（ x） ） （ 损失函数） 来表示模型的预测精确度． 特
* x * 含有 征选择的目的是发现一组特征子集 x x，
的元 素 尽 量 的 少 f（ x * ） ） ．
［4 － 5 ］
， f （ x ） ） ≈ L （ y， 且 L （ y，
96
哈
尔
滨
理
工
大
学
学
报
第 18 卷
SVM 算法进行预处理， 以此来降低数据维度达到消 除数据集中的冗余信息对 SVM 算法影响的目的， 首 先逐个扫描 样 本 ， 根据每个样本与已扫描过的样 本间的距离 ， 把样本归类或者生成一个新类 ； 然后 按照标准进 一 步 依 据 类 间 距 离 对 各 类 进 行 合 并 ； 最后将各个 特 征 参 数 合 并 建 立 特 征 参 数 集 ， 降低 数据维度 ． 在 敏 感 特 征 提 取 和 模 式 识 别 的 过 程 中 本文分别将聚类分析方法与参数迭代方法相结合 以及支持向 量 机 与 敏 感 特 征 集 相 结 和 ， 具体流程 如图 1 所示 ．
Abstract ： To make fault diagnosis of the status types on the gearbox in a gear box factory line ，In this paper ， we take gears，shafts，bearings and other major parts as the research objects，and analyse the vibration signals collected． Then we propose cluster analysis method to extract sensitive characteristic parameters． This method can effectively eliminate the interference of the redundant parameters，and improves the accuracy of the parameter training of SVM pattern recognition process，and set up fault pattern recognition model concerned with the defination of workers’ ，so the accuracy of gearbox intelligent fault diagnosis and the consistency of the diagnosis can be improved． Key words： sensitive characteristic parameters； rule extraction； SVM； feature recognition
1， 2 曹婧华 ， 赵 3， 飞 ， 李 1 1 聪 ， 孔繁森
（ 1． 吉林大学 机械科学与工程学院， 2． 吉林大学和平校区 计算机教研室， 吉林 长春 130022 ， 吉林 长春 130062 ； 3． 吉林大学 军需科技学院， 吉林 长春 130062 ）
要： 针对计算机辅助某齿轮箱厂检测线上工人对齿轮箱故障状态类型的诊断 ， 以齿轮 箱中齿轮 、 轴、 轴承等主要零件为 研 究 对 象 ， 对采集到的齿轮箱振动信号进行 细 致 分 析， 在敏 摘 感特征参数提取上采用聚类分析 的 方 法 ， 有效地消除了冗余参数的 干 扰， 为下一步支持向量 机 ( SVM ) 模式识提高了参数训练的精确 度 ， 建立与 检测线工人 所定义 故障类型 相 一致的故障 状态模式识 别 模型 ， 从而 进一步提高了计算机辅助工人对齿轮箱 智能 故障诊断的 准 确 性和 诊 断 结论 一致 性 ． 关键词： 敏感特征参数; 规则提取; SVM; 模式识别 中图分类号： F224 文献标志码： A 文章编号： 1007－ 2683 （ 2013 ） 03－ 0095－ 07
振动 信号
信号 采集 与 预处理
特征 聚类分析 确定敏感特 参数集 征参数个数
确定敏感 特征参数 敏感特征参数提取
SVM 单一状态 模式识别 模式识别
诊断 结果
n = 1， 2， 3 …， N； N 式中 x （ n ） 是时域信号序列， 2， 3 …， 为采样点数． s（ k） 是信号 x（ n） 的频谱； k = 1 ， K ； K 是谱线数； f k 是第 k 谱线的频率值． s（ k） =
K
N －1
槡
K
s（ k） ∑ k =1
3
方根幅值
p3 =
(
n
∑ 槡| x（ n） |