風(fēng)力機(jī)組齒輪箱傳動(dòng)系統(tǒng)多類故障診斷分類方法的研究.pdf

1、為了找到針對(duì)齒輪傳動(dòng)系統(tǒng)多類故障分類的有效方法，在不同測(cè)點(diǎn)對(duì)齒輪箱傳動(dòng)系統(tǒng)進(jìn)行故障實(shí)驗(yàn)，獲取振動(dòng)信號(hào)。針對(duì)行星齒輪傳動(dòng)系統(tǒng)振動(dòng)信號(hào)的非線性和非平穩(wěn)性、故障特征信號(hào)難以提取等特點(diǎn)，分別從混沌特征信息融合與能量相關(guān)系數(shù)兩個(gè)方面對(duì)風(fēng)力機(jī)組齒輪傳動(dòng)系統(tǒng)的復(fù)雜微弱及耦合故障進(jìn)行了綜合分析與研究。
　　首先對(duì)振動(dòng)信號(hào)進(jìn)行EMD分解得到IMF分量，再對(duì)得到的IMF分量建立AR模型得到自回歸參數(shù)序列，進(jìn)而對(duì)得到的自回歸參數(shù)序列計(jì)算樣本熵、關(guān)聯(lián)維數(shù)

2、、最大Lyapunov指數(shù)這3個(gè)混沌特征參數(shù)，將其作為故障辨識(shí)特征量，利用支持向量機(jī)對(duì)6種不同狀態(tài)進(jìn)行分類。結(jié)果表明:這種方法能在很大程度上提高故障分類準(zhǔn)確率。
　　分別獲取正常狀態(tài)及5種故障狀態(tài)振動(dòng)信號(hào)的不同IMF分量下的能量特征向量，計(jì)算同IMF分量不同故障狀態(tài)振動(dòng)信號(hào)的相關(guān)系數(shù)及不同IMF分量相同故障狀態(tài)振動(dòng)信號(hào)的相關(guān)系數(shù)。通過(guò)對(duì)比分析進(jìn)而建立故障診斷模型，用12組待檢信號(hào)對(duì)5種不同故障狀態(tài)進(jìn)行診斷，得到的結(jié)果與實(shí)際故障狀態(tài)