[發明專利]一種基于多信息融合的傳動系統故障診斷方法

有效

• 申請號: 202010199373.1
• 申請日: 2020-03-20
• 公開（公告）號: CN111307453B
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 張品佳;吳志良;袁巍
• 申請（專利權）人: 朗斯頓科技（北京）有限公司
• 主分類號: G01M13/028
• 分類號: G01M13/028
• 代理公司: 北京中創云知識產權代理事務所(普通合伙) 11837
• 代理人: 徐輝

1.一種基于多信息融合的傳動系統故障診斷方法，其特征在于，包括：

獲取多組正常及故障狀態下傳動系統的原始信號，包括電流信號、振動信號，以及電壓信號、轉速信號、溫度和噪聲信號中的2至4種信號；對獲取的原始信號進行預處理；分別提取第一特征向量；對各個所述第一特征向量進行歸一化處理；采用自適應加權算法對歸一化后的第一特征向量進行特征融合，融合后的第一特征作為訓練樣本；

構建支持向量機模型，利用訓練樣本訓練所述支持向量機模型輸出診斷結果；

實時采集傳動系統的電流信號、振動信號，以及所述的2至3種信號；對實時采集的各個信號進行預處理，分別提取第二特征向量并進行歸一化，對歸一化后的各個第二特征向量進行特征融合；采用訓練后的所述支持向量機診斷模型對融合后的特征向量進行診斷，輸出故障檢測結果；

對歸一化后的第一特征向量進行特征融合均包括：

其中X_i為第i個第一特征向量，X為融合后的第一特征向量，w_i為加權因子權值，n為第一和第二特征包括特征向量的總數，加權因子權值的滿足：

加權因子權值采用鯨魚優化算法進行優化，獲得優化后的加權因子權值；

加權因子權值采用鯨魚優化算法進行優化包括：

(1)將各個加權因子組成的向量，作為鯨魚種群的一個鯨魚個體；構建包圍獵物行為的數學模型以及狩獵行為的數學模型；

包圍獵物行為的數學模型表示如下：

D＝|CX^*(t)-X(t)|

X(t+1)＝X^*(t)-A·D

式中，t表示當前的迭代次數，A和C表示系數，X^*(t)表示目前為止最優解位置向量，X(t)表示當前搜索代理，D表示當前搜索代理位置向量與最優解位置向量的距離，A和C由下面的公式得出：

A＝2a×r₁-a

C＝2×r₂

式中，r₁和r₂是(0，1)中的隨機數，a的值從2到0線性下降，a＝2—2×t/T_max，T_max為最大迭代次數；

狩獵行為的數學模型如下：

X(t+1)＝X^*(t)+D_p·e^bl·cos(2πl)

式中，D_p＝|X^*(t)-X(t)|表示鯨魚和獵物之間的距離，X^*(t)表示目前為止最好的位置向量，b是表示螺線的形狀的常數，l是(-1，1)中的隨機數；

(2)計算個體的適應度值f，選出適應度值最小的個體及位置；

其中，Y_i為支持向量機診斷模型的第i個預測值，Y_i′為訓練樣本診斷結果的第i個實際值，N為訓練樣本的總個數；

(3)隨機產生一個(0，1)間的隨機數P，判斷P≥0.5是否成立，如果成立，則進一步判斷|A|≥1是否成立，如果|A|≥1則采用如下更新下一代個體位置：

D＝|CX_rand-X(t)|

X(t+1)＝X_rand-A·D

式中，X_rand是隨機選擇的搜索代理位置向量；

如果|A|＜1則采用下式更新下一代個體位置：

X(t+1)＝X^*(t)+D_p·e^bl·cos(2πl)p≥0.5

如果P＜0.5則采用下式更新下一代個體位置：

X(t+1)＝X^*(t)-A·D p＜0.5；

(4)判斷是否到達最大迭代次數，如果到達則輸出最優適應度值和位置，該位置為最終捕獲食物的位置，即優化后的加權因子權值；否則返回步驟(2)。

2.根據權利要求1所述的基于多信息融合的傳動系統故障診斷方法，其特征在于，獲取的信號及實時采集的信號進行預處理均包括濾波及異常值處理。