[發明專利]一種基于敏感測點數據融合的行星輪故障識別方法

無效

• 申請號: 201210031550.0
• 申請日: 2012-02-14
• 公開（公告）號: CN102592172A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 雷亞國;林京;韓冬;孔德同;廖與禾;王琇峰
• 申請（專利權）人: 西安交通大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N7/02
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 王艾華

技術領域

本發明屬于機械設備故障診斷領域，涉及一種基于敏感測點數據融合的行星輪故障識別方法，本方法能夠對行星齒輪箱的不同故障模式進行準確分類和定位，實現行星齒輪箱故障的有效識別。

背景技術

行星齒輪箱一般由太陽輪、行星輪及內齒圈三部分構成，由于其具有體積小、傳動比大、承載能力強、傳動效率高等優點而被廣泛應用于不同行業的機械傳動系統中。在惡劣的工作環境下，行星齒輪箱的某個部件一旦出現故障，就可能會引發連鎖反應，導致整個傳動系統不能正常運行，造成巨大的經濟損失甚至人員傷亡。因此行星齒輪箱的精確診斷具有重要的社會意義。

行星齒輪箱不同于各齒輪以固定中心軸旋轉的定軸齒輪箱。它的行星輪不僅繞各自的中心軸自轉，同時圍繞太陽輪的中心軸公轉，并與太陽輪和內齒圈同時嚙合，所以從結構、傳動方式及振動響應來講行星齒輪箱都要比定軸齒輪箱復雜得多，如果部件出現故障，診斷起來會非常困難。適用于定軸齒輪箱的檢測方法和診斷參數一般不能有效地診斷行星齒輪箱的故障，研究人員根據行星齒輪箱的具體振動模式開發了濾波信號有效值(FRMS)、正規化的差譜正值和(NSDS)等一些新的診斷分類參數，這些參數具有對部分故障敏感的特性，在診斷時需要對采集到的每組振動數據分別求各參數的值，然后再根據結果判斷故障類型；同時診斷參數對測點的位置也有一定的要求，如果在安裝位置采集到的振動信號對故障不敏感，則無法識別出行星齒輪箱的具體故障或者造成誤診。即使能夠通過某些先進的信號處理方法得到處理結果，實際中仍需要專業人員進行分析進而給出診斷結果，所以這種診斷方式具有一定的局限性。

采用基于自適應神經模糊推理系統(ANFIS)的分類算法可以實現故障的自動分類診斷。ANFIS是吸收了神經網絡自適應性和模糊邏輯善于推理特性的混合模型，通過利用神經網絡的數學計算特性來調節基于規則的模糊系統，擁有了神經網絡和模糊邏輯二者的優勢，克服了它們各自的不足，作為分類組合診斷中的基本分類算法得到了廣泛的應用。但是基于ANFIS的分類算法依賴于提取的特征參數和所測數據對故障的敏感度，準確性和穩定性都不是很高，有待于進一步的改進。

發明內容

本發明的目的在于克服上述現有技術的不足，提供一種基于敏感測點數據融合的行星輪故障識別方法。該方法選取對行星齒輪箱故障識別適用性強的特征參數組成特征集，然后利用歷史數據訓練基于自適應神經模糊推理系統(ANFIS)的分類算法，最后在多個測點所測振動數據的基礎上采用訓練好的分類算法實現行星齒輪箱故障的自動分類識別。

本發明的技術方案是按照如下步驟進行的：

(1)利用已知故障類型的歷史數據訓練基于自適應神經模糊推理系統(ANFIS)的分類算法；

(2)在行星齒輪箱上采用三個不同的測點測取振動數據，利用訓練好的基于ANFIS的分類算法完成故障識別。

步驟(1)中：

歷史數據的種類對應不同的行星齒輪箱故障類型，等于分類算法的分類數，由歷史數據提取出特征參數組成特征集作為基于ANFIS分類算法的輸入進行訓練；

步驟(2)中：

在行星齒輪箱輸入端端蓋外側成90°選取兩個測點，分別測垂直徑向和水平徑向兩個方向的振動，把輸出端端蓋上方選取為一個測點，測取垂直徑向的振動信號，在三個測點獲得三組數據，提取出特征參數組成特征集，將此特征集輸入到訓練好的分類算法中完成分類，實現故障的有效識別。

本發明的核心是把多個測點的信息融合到一起，利用基于自適應神經模糊推理系統(ANFIS)的分類算法進行故障分類，實現行星齒輪箱故障的準確識別。這種方法可以實現無專業人員情況下的故障診斷，克服了不同測點信息對故障敏感程度不一致的問題，顯著提高了故障識別的準確性與穩定性。

附圖說明

圖1為一種基于敏感測點數據融合的行星輪故障識別方法的流程圖；

圖2為行星齒輪箱的結構示意圖；

圖3為單一測點及多測點信息融合的訓練和測試結果圖。

具體實施方式

下面結合附圖對本發明做進一步詳細描述：參照附圖1所示，本發明的流程如下：

1)在行星齒輪箱上選取三個測點，輸入端的兩個測點選取在端蓋外側成90°布置，分別測垂直徑向和水平徑向兩個方向的振動，輸出端選取一個測點，測取垂直徑向的振動信號；