基于粗糙集理論的齒輪箱故障診斷研究.pdf

1、齒輪箱是機(jī)械系統(tǒng)的重要傳動(dòng)部件,故障發(fā)生率較高,其振動(dòng)信號(hào)呈現(xiàn)非線性非平穩(wěn)的特點(diǎn),故障程度、部位和類型等對(duì)特征參量的影響很大。在對(duì)齒輪箱進(jìn)行監(jiān)測(cè)與故障診斷時(shí),若監(jiān)測(cè)點(diǎn)選擇不當(dāng)就不能采集到有效的故障信息,從而導(dǎo)致故障發(fā)生部位不易確定,敏感特征參量提取困難、故障模式識(shí)別率低。局域波分解方法將非平穩(wěn)時(shí)變信號(hào)自適應(yīng)地分解展開并映射到時(shí)頻分析平面,能夠同時(shí)展示信號(hào)的時(shí)域和頻域信息的全貌;粗糙集理論的屬性約簡(jiǎn)技術(shù)能夠優(yōu)化故障特征參量集,提取出敏感的

2、故障特征參量;最小二乘支持向量機(jī)的函數(shù)逼近效果良好,模式識(shí)別能力強(qiáng),本文在采用局域波分解法處理故障信號(hào)以及深入研究粗糙集理論的基礎(chǔ)上,將粗糙集與最小二乘支持向量機(jī)相結(jié)合,建立了基于粗糙集支持向量機(jī)的齒輪箱智能故障診斷系統(tǒng)。本文的主要研究內(nèi)容與結(jié)論如下:
　　(1)在分析齒輪箱振動(dòng)特性的基礎(chǔ)上,提出采用局域波分解技術(shù)對(duì)齒輪箱故障信號(hào)進(jìn)行處理并提取了初始的故障特征參量集。在局域波分解過程中,采用鏡像延拓與窗函數(shù)相結(jié)合的方法緩解了端點(diǎn)效

3、應(yīng)問題,采用總體經(jīng)驗(yàn)?zāi)B(tài)分解方法有效解決了模態(tài)混疊問題,實(shí)驗(yàn)結(jié)果表明這兩種方法在齒輪箱故障信號(hào)分解中取得了較好的效果。根據(jù)衡量故障特征參量集的指標(biāo),提出采用每個(gè)工況的均方根有效值衡量故障特征參量集的穩(wěn)定性,采用每個(gè)特征參量在六個(gè)工況之間的最小均值差衡量故障特征參量集的敏感性。實(shí)驗(yàn)中分別提取了基于EEMD的歸一化能量特征參量集和基于EEMD的近似熵特征參量集,通過實(shí)際計(jì)算結(jié)果表明,前者與后者的敏感性基本一致,但是穩(wěn)定性要優(yōu)于后者,因此本文

4、采用了基于 EEMD的歸一化能量特征參量集進(jìn)行齒輪箱故障診斷。
　　(2)提出一種基于改進(jìn) Naive Scaler算法的全局動(dòng)態(tài)尋優(yōu)離散化算法。通過對(duì)Naive Scaler算法過程進(jìn)行改進(jìn),確保能夠得到所有保證不可分辨關(guān)系的斷點(diǎn);通過斷點(diǎn)均分樣本集、逐漸增加斷點(diǎn)的方法動(dòng)態(tài)地從候選集中選擇斷點(diǎn)集,保證了整個(gè)信息系統(tǒng)分類能力不變的條件下斷點(diǎn)個(gè)數(shù)最少。通過與其它算法對(duì)比,實(shí)驗(yàn)結(jié)果表明該算法得到的斷點(diǎn)個(gè)數(shù)較少,體現(xiàn)了其在連續(xù)屬性離散化

5、方面的優(yōu)越性。
　　(3)提出一種基于條件等價(jià)類的屬性約簡(jiǎn)算法。該算法在核屬性集的基礎(chǔ)上,直接針對(duì)核屬性的條件類中不能正確劃入決策類的類,在核屬性之外的其余條件屬性中找到能夠區(qū)分該類的屬性,并添加到核屬性集中,從而得到最小屬性約簡(jiǎn)集。而基于啟發(fā)式信息的屬性約簡(jiǎn)算法無法保證所求約簡(jiǎn)集一定是最小屬性約簡(jiǎn)集,實(shí)驗(yàn)結(jié)果表明該算法計(jì)算復(fù)雜度較低,提高了約簡(jiǎn)效率。
　　(4)提出釆用粗糙集的屬性約簡(jiǎn)技術(shù)對(duì)故障監(jiān)測(cè)點(diǎn)進(jìn)行優(yōu)化配置。該方法將

6、六個(gè)故障監(jiān)測(cè)點(diǎn)的最小屬性約簡(jiǎn)集融合成一個(gè)大決策表進(jìn)行屬性約簡(jiǎn),根據(jù)每個(gè)監(jiān)測(cè)點(diǎn)的故障特征參量在最終約簡(jiǎn)集中出現(xiàn)的頻次判定相應(yīng)監(jiān)測(cè)點(diǎn)的分類能力,實(shí)驗(yàn)結(jié)果表明該方法不需要對(duì)監(jiān)測(cè)對(duì)象建模,也不需要對(duì)其進(jìn)行動(dòng)力學(xué)分析,而是直接對(duì)監(jiān)測(cè)到的振動(dòng)信號(hào)進(jìn)行處理,根據(jù)各個(gè)測(cè)點(diǎn)的故障特征參量與故障種類之間的關(guān)聯(lián)程度選擇最佳測(cè)點(diǎn),是一種行之有效的測(cè)點(diǎn)優(yōu)化配置方法。
　　(5)基于粗糙集理論提取決策規(guī)則的過程沒有學(xué)習(xí)歸納的能力,故障模式識(shí)別率較低。粗糙集理