[發明專利]基于鳥群算法和隱馬爾科夫模型的齒輪箱故障診斷方法

在審

• 申請號: 201711286476.6
• 申請日: 2017-12-07
• 公開（公告）號: CN108090427A
• 公開（公告）日: 2018-05-29
• 發明（設計）人: 丁超然;劉三明;王致杰;王帥;潘昭旭
• 申請（專利權）人: 上海電機學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/00
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 張美娟

基于鳥群算法和隱馬爾科夫模型的齒輪箱故障診斷方法，包括特征提取、模型參數初始化、參數訓練、輸出概率計算這四個步驟。(1)特征提取：選取小波函數對振動信號進行3層小波包分解和重構，通過對各頻段小波分解系數信號進行分析,實現從各個頻段分別提取振動信號所代表的不同故障狀態的特征信息。(2)模型參數初始化：將振動信號頻帶能量作為特征向量進行建模(3)參數訓練：根據第二步初始化的參數，用鳥群算法進行重估，(4)輸出概率計算：經過上述步驟建好模型后，將監測振動數據特征提取，代入不同故障狀態模型，由前向后向算法計算輸出概率，概率最大的即為對應的故障類型。

技術領域

本發明涉及風機齒輪箱故障診斷領域，尤其涉及到一種基于鳥群算法和隱馬爾科夫模型的齒輪箱故障診斷方法。

背景技術

齒輪傳動具有傳動平穩、可靠、高效、高壽命、傳動比精確、功率范圍大等優點，但因結構較復雜，工作環境惡劣等，齒輪較易出現故障，從而導致整個系統出現故障。據有關文獻統計，傳動機械和旋轉機械的故障中分別有80％和10％的故障是齒輪箱故障，隨著設備系統的自動化、復雜化、大型化。齒輪的失效給整個工業生產和社會生活造成越來越大的損失，如對齒輪箱進行狀態檢測及故障診斷，可以從根本上改變齒輪箱事后維修和定期維修的現狀，實現視情維修，從而降低事故發生率，減少人員傷亡及不必要的經濟損失，創造更多的經濟效益和社會效益。目前對齒輪箱故障診斷的方法有很多，如溫度測量、油樣分析、振動分析、聲學測量分析、專家系統等，現有技術缺點：

1.溫度測量法通過監測箱體處的溫度來判斷齒輪箱是否工作正常，對于潤滑不良而引起的過熱現象較敏感，但該方法不適用于齒輪點燭、斷齒、裂紋等局部故障；

2.油樣分析是通過從齒輪箱潤滑油中提取出油樣，通過收集和分析油樣中金屬顆粒的大小和形狀來判斷齒輪工況和故障的方法，但這種方法易受其它非齒輪損壞下的顆粒的影響；

3.專家系統需要大量樣本進行訓練，而且依賴與相關領域的專家經驗，對新的故障模式的處理效果不佳。

綜上，現有診斷方法均有一定的不足，因此，有必要提供一種新的診斷方法。

發明內容

本發明的目的是提供一種基于鳥群算法和隱馬爾科夫模型的齒輪箱故障診斷方法，該方法通過振動分析以及改進的高斯混合隱馬爾科夫模型，實現對齒輪箱的故障進行仿真分析，同時為解決隱馬爾科夫模型參數訓練易陷入局部收斂的問題。

本發明為解決其技術問題所采用的技術方案是：

基于鳥群算法和隱馬爾科夫模型的齒輪箱故障診斷方法，包括特征提取、模型參數初始化、參數訓練、輸出概率計算這四個步驟；

(1)特征提取：選取小波函數對振動信號進行3層小波包分解和重構，通過對各頻段小波分解系數信號進行分析,實現從各個頻段分別提取振動信號所代表的不同故障狀態的特征信息。針對提取的每一頻段的重構信號求其能量：

其中，xjk(j＝0,1...,7,k＝1,2,...,n)表示為重構信號s3j的n個離散點的幅值，為了提高特征向量的聚類性,使其分布離散性更好，便于模型輸入和辨識，需要對特征向量進行歸一化處理，得到歸一化后的特征向量C3j＝[c30,c31,...,c37]，歸一化的方法是對根據不同頻段的能量特征值序列，按下式進行歸一化處理：