基于核聚類與信息融合的齒輪故障診斷技術(shù)研究.pdf

1、齒輪是目前應(yīng)用最廣的傳遞動(dòng)力的機(jī)械零件，在國民經(jīng)濟(jì)中占重要地位。齒輪一般在齒輪箱中且浸泡在潤(rùn)滑油液中進(jìn)行運(yùn)動(dòng)，受到周圍復(fù)雜工作環(huán)境的影響，故障特征之間往往存在較強(qiáng)的非線性關(guān)系，故障診斷過程受到諸多不確定性因素的影響，存在固有的不確定性，單一信號(hào)特征往往不能全面表征設(shè)備運(yùn)行狀態(tài)，難以保證故障診斷的準(zhǔn)確性，核方法與信息融合技術(shù)為解決齒輪故障診斷的這些問題提供了一條新的途徑。本文從齒輪系統(tǒng)故障診斷技術(shù)研究現(xiàn)狀入手，在分析齒輪故障信號(hào)特征和常見

2、故障機(jī)理的基礎(chǔ)上，設(shè)計(jì)了齒輪的故障診斷實(shí)驗(yàn)方案，從核方法中核參數(shù)的優(yōu)化方法以及信息融合兩個(gè)方面開展齒輪故障診斷方法研究，主要的研究工作如下:
　　1.開展基于核參數(shù)優(yōu)化核聚類算法的齒輪故障診斷方法研究
　　(1)針對(duì)齒輪故障的非線性特點(diǎn)、核參數(shù)影響KFCM分析結(jié)果以及傳統(tǒng)KFCM核參數(shù)優(yōu)化的不足等問題，研究KFCM核參數(shù)優(yōu)化的算法，利用特征空間中類內(nèi)距離與類間距離的關(guān)系，以特征空間中類間距離最大的同時(shí)類內(nèi)距離最小為目標(biāo)，建立

3、核參數(shù)優(yōu)化的算法模型。核參數(shù)優(yōu)化后的KFCM算法具有比傳統(tǒng)KFCM更強(qiáng)的特征識(shí)別能力，是一種有效的模式識(shí)別方法。
　　(2)針對(duì)齒輪故障的非線性特征和組合特征的高維性，建立了基于核參數(shù)優(yōu)化KFCM的齒輪故障診斷模型，以時(shí)域特征提取并降維后的特征量為數(shù)據(jù)樣本，將其輸入KFCM分類器，實(shí)現(xiàn)對(duì)齒輪故障的分類識(shí)別。
　　2.開展基于相關(guān)函數(shù)加權(quán)KPCA與KFCM的信息融合故障診斷方法研究
　　(1)針對(duì)KPCA在干擾點(diǎn)存在時(shí)主

4、元提取效果不好的問題，提出了一種基于相關(guān)函數(shù)加權(quán)KPCA方法。通過采用相關(guān)函數(shù)，實(shí)現(xiàn)數(shù)據(jù)級(jí)樣本的加權(quán)分配，以降低可信度較低的數(shù)據(jù)樣本對(duì)融合結(jié)果的影響，然后進(jìn)行KPCA串行融合，提高融合特征的可靠性。
　　(2)針對(duì)齒輪的故障診斷中存在大量的不確定性信息，而且齒輪故障特征之間具有較強(qiáng)的非線性關(guān)系，利用信息融合技術(shù)能有效地處理不確定性信息，而KPCA與KFCM具有較強(qiáng)的非線性處理能力，建立了加權(quán)KPCA與KFCM的信息融合故障診斷模型