一种基于流向图的行星齿轮箱故障诊断方法技术

本发明专利技术提供了一种基于流向图的行星齿轮箱故障诊断方法。本发明专利技术的目的是为了解决行星齿轮箱诊断过程晦涩和诊断结果准确率低的问题。一：从典型行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断训练实例。二：通过流向图构建算法构建行星齿轮箱故障诊断流向图；三：利用流向图约简算法去掉冗余或不相关的征兆属性节点，获得最简行星齿轮箱故障诊断流向图；四：从待诊故障行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断待诊实例；五：采用流向图分类决策算法确定待诊行星齿轮箱的故障类型。结果表明本发明专利技术能够直观地表示出行星齿轮箱故障诊断知识，降低计算复杂度，提高运算速度和准确率。

A fault diagnosis method for planetary gear box based on flow chart

The invention provides a fault diagnosis method for the planetary gear box based on the flow chart. The aim of the present invention is to solve the problem of the obscure diagnosis process of the planetary gearbox and the low accuracy of the diagnosis result. First, the fault diagnosis features are extracted from the vibration signal of the typical planetary gearbox, and the fault diagnosis training example of the planetary gearbox is formed. Two: the construction algorithm of constructing fault diagnosis flow chart of planetary gear box through the flow chart; three: sign attribute node graph reduction algorithm to remove redundant or irrelevant to the use, get the simplest fault diagnosis flow chart of planetary gear box; four: fault feature extraction from fault diagnosis of planetary gearbox vibration signal, fault diagnosis the formation of planetary gear box to be diagnosed case; five: the flow graph classification decision algorithm to determine the fault type diagnosis for planet gear box. The results show that the invention can directly express the fault diagnosis knowledge of the planetary gear box, reduce the computational complexity, and improve the operation speed and accuracy.

【技术实现步骤摘要】
一种基于流向图的行星齿轮箱故障诊断方法
本专利技术涉及一种故障诊断方法，尤其涉及一种基于流向图的行星齿轮箱故障诊断方法。
技术介绍
行星齿轮箱具有设计紧凑、大传动比和承载能力强等特点，从而广泛应用于风力发电机、车辆或直升机等设备的机械传动系统中。行星齿轮箱的正常运行依赖于齿轮，以及齿轮与其它零件的精密配合，任何微小的瑕疵均会影响行星齿轮箱的正常运行。然而，由于长期运行在高速、重载或高温等复杂恶劣环境，行星齿轮箱极易发生裂纹或点蚀等故障；从而导致巨大的经济损失，甚至机毁人亡等灾难性的后果。因此，行星齿轮箱的故障诊断具有十分重要的工程意义和应用价值。近年来，行星齿轮箱的故障诊断已逐渐成为国内外研究的热点之一。许多方法已应用于行星齿轮箱的故障诊断中，如人工神经网络(ArtificialNeuralNetworks，ANNs)、证据理论(D-SEvidenceTheory，DST)和支持向量机(SupportVectorMachine，SVM)等。ANNs通过模拟人类大脑的神经网络结构来进行思维、学习、记忆、决策和识别。因其简单的结构，快速的训练过程和良好的扩展能力，已成功应用于行星齿轮箱的故障诊断中。但其诊断过程晦涩且难于理解，收敛速度较慢，网络的结构和参数较难确定。DST利用先验概率分配函数获得后验概率的证据区间，并量化命题的可信度与似然率。其最大特点是在证据中引入了不确定性。因此DST为行星齿轮箱的故障诊断提供了一种新的解决思路。然而，在DST应用于行星齿轮箱的故障诊断过程中，故障诊断框架中各命题的基本概率分配函数的确定依然难于解决。在合成高度冲突的证据时，得到的故障诊断结果往往有悖常理。从而限制了DST在行星齿轮箱故障诊断中的应用。此外，SVM已发展为非常有效的行星齿轮箱故障诊断方法。它采用结构风险最小化原理，将低维数据映射到高维空间，通过最优超平面将数据分类。其具有极高的推理准确性和良好的适应能力，且非常适合处理小样本数据。但其最优超平面确定过程需要较长时间，且依赖于操作者的经验和反复实验。流向图是由波兰学者Pawlak在2002年首次提出的一种新兴的知识表示和数据分析工具。它主要由节点、有向分支和流函数三部分组成。作为粗糙集理论的扩展，其特点在于有向分支简洁地描述信息的分布，无需提供所需处理数据以外的任何先验知识，并不涉及信息的概率结构，具有图形化的知识表示特性和知识存储特性，能够以图形化的方式描述决策过程。因此，流向图被广泛应用于知识表示、数据挖掘和模式识别等领域。但流向图在机械故障诊断方面的应用还较少。
技术实现思路
本专利技术的目的是为了解决行星齿轮箱诊断过程晦涩和诊断结果准确率低的问题，为行星齿轮箱的故障诊断提供一种新颖的解决思路，而提出了一种基于流向图的行星齿轮箱故障诊断方法。一种基于流向图的行星齿轮箱故障诊断方法，其特征在于该方法包括以下步骤：步骤一、从典型行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断训练实例；步骤二、通过流向图构建算法构建行星齿轮箱故障诊断流向图：首先构建流向图的征兆属性节点和决策属性节点，然后根据决策表中的决策规则从左至右依次连接各节点，从而形成有向分支集，并累计节点和有向分支的流过次数，获得节点流量和有向分支流量，并且计算节点流函数和有向分支流函数，并分别标记于节点下方和有向分支上方，最后计算有向分支的置信度和覆盖度，并标记于有向分支上方，从而获得行星齿轮箱故障诊断流向图；步骤三、利用流向图约简算法获得最简行星齿轮箱故障诊断流向图：首先计算流向图中所有路径的一致性因子γ，然后删除第一个征兆属性节点，以及与它相连的有向分支，构建新流向图，并且计算新流向图中所有路径的一致性因子γ’，如果一致性因子γ≤γ’，那么此征兆属性节点可以删除，否则此征兆属性节点不可删除，最后依次判断其它征兆属性节点，直至最后一个征兆属性节点，删除所有可删除的征兆属性节点，获得最简行星齿轮箱故障诊断流向图，从而以最简的方式表示征兆属性和决策属性之间的因果关系；步骤四、从待诊故障行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断待诊实例；步骤五、采用流向图分类决策算法确定待诊行星齿轮箱的故障类型：首先根据待诊实例的完整路径计算完整路径的置信度，然后根据置信度大小，确定待诊实例的故障类型，其中故障类型为最大的置信度的节点所表示的故障类型，最后计算完整路径的覆盖度，将完整路径的置信度和覆盖度用于分类决策的量化评价指标。专利技术效果采用本专利技术的一种基于流向图的行星齿轮箱故障诊断方法，与其它行星齿轮箱故障诊断方法相比，本专利技术的有益效果为：1.流向图是一种图形化的知识表示模型，能以节点的方式直观地表示征兆属性值和决策属性值，可量化信息流过节点和有向分支的强度，以及节点之间的因果关系，与粗糙集理论中的决策表相比，流向图的知识表达方式更加直观易懂，便于用户理解和分析；2.流向图约简算法是在不改变流向图分类决策能力的前提下，去掉冗余或不相关的征兆属性节点，以最简的方式表示节点间的因果关系，所以，流向图的约简可减少分类决策过程中输入节点的数量，降低计算复杂度，提高运算速度和准确率；3.流向图分类决策算法通过路径的置信度对实例进行分类决策，通过覆盖度对由路径做出的分类决策进行定量评价，该决策算法的计算量较小，分类决策的策略清晰。附图说明图1为本专利技术一种基于流向图的行星齿轮箱故障诊断方法的流程图；图2为流向图构建算法的流程图；图3为流向图约简算法的流程图；图4为流向图分类决策算法的流程图；图5为四种典型行星齿轮箱振动信号时域波形图；图6为行星齿轮箱故障诊断流向图；图7为最简行星齿轮箱故障诊断流向图。具体实施方式具体实施方式一：结合图1说明本实施方式，一种基于流向图的行星齿轮箱故障诊断方法，其特征在于该方法包括以下步骤：步骤一、从典型行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断训练实例；步骤二、通过流向图构建算法构建行星齿轮箱故障诊断流向图；步骤三、利用流向图约简算法去掉冗余或不相关的征兆属性节点，获得最简行星齿轮箱故障诊断流向图；步骤四、从待诊故障行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断待诊实例；步骤五、采用流向图分类决策算法确定待诊行星齿轮箱的故障类型。具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤二中通过流向图构建算法构建行星齿轮箱故障诊断流向图，结合图2说明本实施方式：步骤二一、构建流向图节点N=NC∪ND，其中，NC为征兆属性节点集，ND为决策属性节点集；步骤二二、根据训练实例从左至右依次连接各节点，从而形成有向分支集B；步骤二三、累计节点和有向分支的流过次数，获得节点流量ψ(x)和有向分支流量ψ(x,y)；步骤二四、计算节点流函数σ(x)和有向分支流函数σ(x,y)，并分别标记于节点下方和有向分支上方；步骤二五、计算有向分支(x,y)B的置信度cer(x,y)和覆盖度cov(x,y)，并标记于有向分支上方，从而获得行星齿轮箱故障诊断流向图G。具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤三中利用流向图约简算法去掉冗余或不相关的征兆属性节点，获得最简行星齿轮箱故障诊断流向图；结合图3说明本实施方式：步骤三一、计算本文档来自技高网...

【技术保护点】
一种基于流向图的行星齿轮箱故障诊断方法，其特征在于该方法包括以下步骤：步骤一、从典型行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断训练实例；步骤二、通过流向图构建算法构建行星齿轮箱故障诊断流向图；步骤三、利用流向图约简算法去掉冗余或不相关的征兆属性节点，获得最简行星齿轮箱故障诊断流向图；步骤四、从待诊故障行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断待诊实例；步骤五、采用流向图分类决策算法确定待诊行星齿轮箱的故障类型。

【技术特征摘要】
1.一种基于流向图的行星齿轮箱故障诊断方法，其特征在于该方法包括以下步骤：步骤一、从典型行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断训练实例；步骤二、通过流向图构建算法构建行星齿轮箱故障诊断流向图；步骤三、利用流向图约简算法去掉冗余或不相关的征兆属性节点，获得最简行星齿轮箱故障诊断流向图；步骤四、从待诊故障行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断待诊实例；步骤五、采用流向图分类决策算法确定待诊行星齿轮箱的故障类型。2.根据权利要求1所述的一种基于流向图的行星齿轮箱故障诊断方法，其特征在于所述步骤二中通过流向图构建算法构建行星齿轮箱故障诊断流向图；具体步骤为：步骤二一、构建流向图节点N=NC∪ND，其中，NC为征兆属性节点集，ND为决策属性节点集；步骤二二、根据训练实例从左至右依次连接各节点，从而形成有向分支集B；步骤二三、累计节点和有向分支的流过次数，获得节点流量ψ(x)和有向分支流量ψ(x,y)；步骤二四、计算节点流函数σ(x)和有向分支流函数σ(x,y)，并分别标记于节点下方和有向分支上方；步骤二五、计算有向分支(x,y)∈B的置信度cer(x,y)和覆盖度cov(x,y)，并标记于有向分支上方，从而获得行星齿轮箱故障诊断流向图G。3....

【专利技术属性】
技术研发人员：于军，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23