基于小波包分析和支持向量機的齒輪箱故障診斷方法研究.pdf

1、隨著科學技術(shù)的不斷進步，機械設備向著高性能、高效率、高自動化和高可靠性的方向發(fā)展。齒輪箱由于具有傳動比固定、傳動轉(zhuǎn)矩大、結(jié)構(gòu)緊湊等優(yōu)點，被用于改變轉(zhuǎn)速和傳遞動力的傳動部件中，它是機械設備的一個重要組成部分，也是易于發(fā)生故障的一個部件，其運行狀態(tài)對整機的工作性能有很大的影響。因此，對齒輪箱進行實時故障診斷意義重大，不僅可以縮短維修時間、降低維修成本，還可提高診斷準確性和維修質(zhì)量，創(chuàng)造可觀的經(jīng)濟效益。
　　 齒輪箱的振動信號相當復雜

2、，除反映有關(guān)齒輪和軸承本身工作情況的信息外，也包含了大量機械中其它運動部件和結(jié)構(gòu)的信息，因此如果僅僅單從時、頻域或快速傅里葉變換對齒輪箱的振動信號進行分析，則很難準確診斷出齒輪箱各類故障。本文提出并研究了一種新的齒輪箱故障診斷技術(shù)——基于小波包分析和支持向量機的齒輪箱故障診斷法，該方法針對齒輪箱的故障診斷問題，分為以下兩個步驟進行:
　　 (1)故障特征向量的提取。首先基于小波包變換方法，在去噪方面有良好的表現(xiàn)，進行其特征向量提

3、取，對于以非平穩(wěn)信號為主的齒輪箱的不同工況，應用小波包分解、重構(gòu)方法，將提取到的能量特征值作為齒輪箱的特征向量。
　　 (2)數(shù)據(jù)辨識方法的研究。把提取到的齒輪箱特征向量樣本代入到由多個2分類器支持向量機構(gòu)建的多分類器支持向量機中訓練、建模，再結(jié)合2叉決策數(shù)理論和投票理論，將余下的樣本代入測試，得出7種故障的分類結(jié)果。
　　 實驗結(jié)果表面，該方法在分類時間和精度方面擁有著不俗的表現(xiàn)，辨識能力很強，使用數(shù)理統(tǒng)計知識計算，正