当前位置: 首页 > 专利查询>天津大学专利>正文

一种基于数据驱动的强噪声干扰下齿轮箱故障诊断方法技术

技术编号:24886009 阅读:38 留言:0更新日期:2020-07-14 18:14
本发明专利技术公开了一种基于数据驱动的强噪声干扰下齿轮箱故障诊断方法,步骤1:获取历史故障数据,即使用加速度传感器分别采集三种状态下的振动信号,对采集的振动信号进行标准化处理作为故障诊断模型的输入,并划分为训练数据集和测试数据集;步骤2:建立故障诊断网络模型;步骤3:训练故障诊断网络模型;步骤4:将测试集输入训练好的模型中,得到诊断的预测结果;若模型的诊断准确率低于阈值,执行步骤5,否则,继续调整模型参数后返回步骤3;步骤5:利用训练好的故障诊断模型进行行星齿轮故障诊断。本发明专利技术具备较强的特征学习能力,不需要人工特征提取,在保证高故障识别精度的前提下,明显提高齿轮箱在外界强噪声干扰条件下的特征提取效率。

【技术实现步骤摘要】
一种基于数据驱动的强噪声干扰下齿轮箱故障诊断方法
本专利技术涉及机械故障诊断
,特别涉及一种强噪声干扰下齿轮箱故障诊断方法。
技术介绍
行星齿轮箱是旋转机械设备传动系统中的关键部件之一。它具有大传动比、高传动效率以及占用空间小等特点,广泛应用于航天、自动化设备及工业重载设备中,包括风力发电机、直升飞机及重载货车等。通常,行星齿轮箱所处的工作环境复杂恶劣,极易造成多种类型的故障形式,其复杂的故障机理给星行齿轮箱的故障诊断带来较大的难度;因此,对行星齿轮箱进行故障诊断是个既有挑战性又有重要工程意义的问题。此外,内部结构不同于传统齿轮箱,行星齿轮箱的内部结构与工作状态更为复杂,且内部不同传动路径相互干扰,造就了复杂多样的信号状态,通过信号对其故障进行诊断具有较大难度。主要难度体现在齿轮箱通常处于强噪声干扰的工厂环境中,基于数据驱动的故障诊断算法、尤其是基于深度学习的算法是近几年人工智能领域的研究热点,该方法的最大特点在于能够直接处理原始复杂数据,不需要进行固定特征指标的选取,而是对数据特征进行自适应的提取;同时,基于深度学习的故障诊断模本文档来自技高网...

【技术保护点】
1.一种基于数据驱动的强噪声干扰下齿轮箱故障诊断方法,该方法包括以下步骤:/n步骤1:获取历史故障数据,即使用加速度传感器分别采集行星齿轮箱太阳轮断齿、行星齿轮箱行星轮断齿以及行星齿轮箱正常至少这三种状态下的振动信号,再对采集的振动信号进行标准化处理,标准化之后的传感器信号作为故障诊断模型的输入,获取每个输入对应的行星齿轮故障,并划分模型的训练数据集和测试数据集;/n步骤2:根据步骤1所采集的振动信号,建立故障诊断网络模型;该模型设计使用密集连接的卷积网络,包括采用4个密集块dense block和3个Transition Layer,其中:每个密集块中的Bottleneck layers层数...

【技术特征摘要】
1.一种基于数据驱动的强噪声干扰下齿轮箱故障诊断方法,该方法包括以下步骤:
步骤1:获取历史故障数据,即使用加速度传感器分别采集行星齿轮箱太阳轮断齿、行星齿轮箱行星轮断齿以及行星齿轮箱正常至少这三种状态下的振动信号,再对采集的振动信号进行标准化处理,标准化之后的传感器信号作为故障诊断模型的输入,获取每个输入对应的行星齿轮故障,并划分模型的训练数据集和测试数据集;
步骤2:根据步骤1所采集的振动信号,建立故障诊断网络模型;该模型设计使用密集连接的卷积网络,包括采用4个密集块denseblock和3个TransitionLayer,其中:每个密集块中的Bottlenecklayers层数分别设置为2、4、6和6,每个Bottlenecklayers包括BN、ReLU和卷积ConV,每个transitionlayer至少包括卷积ConV、BN、ReLU、随机噪声引入Noiselayer、池化Poolinglayer操作;每个密集块中都包括TransitionLayer,将所有层直接彼此连接,为了保持前馈特性,每个层将从前面的层获得额外的输入,并将自己的特征映射传递给后面的所有层;
步骤3:利用步骤1划分出的训练集对故障诊断网络模型进行训练,
步骤4:将测试集输入训练好的模型中,得到诊断的预测结果;
步骤5:根据预测结果判断模型的诊断准确率,若准确率低于阈值,则执行步骤5,否则,继续调整模型的参数后返回步骤3;
步骤6:将待诊断的数据进行标准化处理之后,输入到训练好的故障诊断模型中,得到行星齿轮故障诊断结果。


2.如权利要求1所述的一种基于数据驱动的强噪声干扰下齿轮箱故障诊断方法,其特征在于,所述步骤1中,将断齿行星齿轮和断齿太阳轮分别安装于齿轮箱中,然后将加速度传感器安装于齿轮箱箱体外侧,并分别采集多种故障状态下行星齿轮箱的振动信号,获得数据样本,对样本进行重叠分段预处理,形成多个带标签的数据假设训练数据采样点总数为s,每个训练样本的...

【专利技术属性】
技术研发人员:王太勇宫立明王鹏王廷虎孔立凡杨利明
申请(专利权)人:天津大学
类型:发明
国别省市:天津;12

网友询问留言 已有0条评论
  • 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。

1