【技术实现步骤摘要】
一种基于多信息融合的传动系统故障诊断方法
本专利技术涉及故障诊断
，尤其涉及一种基于多信息融合的传动系统故障诊断方法。
技术介绍
传动系统的故障诊断技术以数学建模为基础，通过数据采集、数据挖掘收集数据，然后运用信号处理的技术提取故障特征，然后通过数据的特征和发展趋势进行故障诊断。现有的技术方案主要有专家系统和模糊理论等；专家系统是一个具有大量专门知识与经验的程序系统，首先需要事先收集大量的知识和数据，形成自己独立的知识库系统，然后在根据知识库系统建立的逻辑关系进行推理、判断，最后把这种逻辑关系程序化，模拟专家的决策过程，实现故障诊断过程。目前的故障诊断方法仅是将某种故障特征集或某种模式识别算法进行结合，只能从单一的角度寻找最优的故障分类方法，势必存在片面性从而影响到传动系统故障诊断的可靠性，故障诊断的准确率较低。在故障诊断中，由于风机、泵机、压缩机以及齿轮加电机等传动结构越来越大型化和复杂化，单一或者单域特征带有一定的偶然性，使其无法包含传动系统的全部故障特征，因此在故障诊断中往往存在漏检或误判...
【技术保护点】
1.一种基于多信息融合的传动系统故障诊断方法，其特征在于，包括：/n获取多组正常及故障状态下传动系统的原始信号，包括电流信号、振动信号，以及电压信号、转速信号、温度和噪声信号中的2至4种信号；对获取的原始信号进行预处理；分别提取第一特征向量；对各个所述第一特征向量进行归一化处理；采用自适应加权算法对归一化后的第一特征向量进行特征融合，融合后的第一特征作为训练样本；/n构建支持向量机模型，利用训练样本训练所述支持向量机模型输出诊断结果；/n实时采集传动系统的电流信号、振动信号，以及所述的2至3种信号；对实时采集的各个信号进行预处理，分别提取第二特征向量并进行归一化，对归一化后...
【技术特征摘要】
1.一种基于多信息融合的传动系统故障诊断方法，其特征在于，包括：
获取多组正常及故障状态下传动系统的原始信号，包括电流信号、振动信号，以及电压信号、转速信号、温度和噪声信号中的2至4种信号；对获取的原始信号进行预处理；分别提取第一特征向量；对各个所述第一特征向量进行归一化处理；采用自适应加权算法对归一化后的第一特征向量进行特征融合，融合后的第一特征作为训练样本；
构建支持向量机模型，利用训练样本训练所述支持向量机模型输出诊断结果；
实时采集传动系统的电流信号、振动信号，以及所述的2至3种信号；对实时采集的各个信号进行预处理，分别提取第二特征向量并进行归一化，对归一化后的各个第二特征向量进行特征融合；采用训练后的所述支持向量机诊断模型对融合后的特征向量进行诊断，输出故障检测结果。
2.根据权利要求1所述的基于多信息融合的传动系统故障诊断方法，其特征在于，获取的信号及实时采集的信号进行预处理均包括滤波及异常值处理。
3.根据权利要求1或2所述的基于多信息融合的传动系统故障诊断方法，其特征在于，提取第一特征向量包括采用时域分析、频域分析、时频域分析及神经网络中的2或3种方法提取每个信号的特征向量；
时域分析提取特征向量包括提取信号的最大值、均方根值、波形指标、峰值指标、脉冲指标、裕度指标、峭度指标以及歪度指标；
频域分析包括采用快速傅里叶变换的分析方法将信号转换至频域，然后提取均方频域、均方根频域、方差频率及标准差频率特征；
时频域分析包括采用小波变换提取信号的各阶小波包能量，采用经验模态分解提取信号的各阶IMF能量；
神经网络提取卷积特征。
4.根据权利要求3所述的基于多信息融合的传动系统故障诊断方法，其特征在于，对归一化后的第一特征向量进行特征融合均包括：
其中Xi为第i个第一特征向量，X为融合后的第一特征向量，wi为加权因子权值，n为第一和第二特征包括特征向量的总数，加权因子权值的满足：
5.根据权利要求4所述的基于多信息融合的传动系统故障诊断方法，其特征在于，加权因子权值采用鲸鱼优化算法进行优化，获得优化后的加权因子权值。
6.根据权利要求5所述的基于多信息融合的传动系统故障诊断方法，其特征在于，加权因子权值采用鲸鱼优化算法进行优化包括：
(1)将各个加权因子组成的向量，作为鲸鱼种群的一个鲸鱼个体；构建包围猎物行为的数学模型以及狩猎行为的数学模型；
包围猎物行为的数学模型表示如下：
D＝|CX*(t...
【专利技术属性】
技术研发人员：张品佳，吴志良，袁巍，
申请(专利权)人：朗斯顿科技北京有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。