【技术实现步骤摘要】
一种基于不平衡数据的工程机械故障诊断方法
[0001]本专利技术涉及工程机械
,具体涉及一种基于不平衡数据的工程机械故障诊断方法
技术介绍
[0002]加强基础设施建设是一项重大而紧迫的任务,在该任务中作为施工工具的工程机械发挥不可替代的作用,进而导致工程机械的作业负荷提升。在实际工程使用中,作业人员轮流换班,但是工程机械持续作业。又由于工程机械经常在大载荷下使用,容易加速机械零部件的磨损,对于机械零部件的使用寿命极为不利。一旦机械发生故障停机,就会增加备件储备运输和维修的时间和成本,进而影响工程开展进度。结合如今工程机械智能化的发展方向,作为智能化应用之一的工程机械故障诊断显得意义非凡。
[0003]在工程机械结构中,拥有大量齿轮、轴承的齿轮箱的故障率较高,且齿轮箱结构复杂,故障后现场维修难度较大,实际维修的策略是直接换新,这将增加工程机械厂商的售后服务成本,所以对该痛点进行故障诊断成为研究热点。总体来说,齿轮箱故障诊断方法分为两类,分别为基于模型的方法和基于数据的方法。但由于齿轮箱内部结构复杂,包含多组齿轮和轴承,以及各种油路和附件,导致对其建立准确模型十分困难,而基于数据的方法对于复杂工业过程具有强大的处理能力。基于数据的方法进行故障诊断时,需要大量的齿轮箱正常数据和故障数据作为训练样本,但实际中获得的齿轮箱数据是不平衡的,其故障数据不易获得,导致传统基于数据的方法无法识别出故障状态。本专利技术提出一种基于不平衡数据的工程机械故障诊断方法,对采集到的振动信号利用小波包分解(WPD)、经验模态分解( ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于不平衡数据的工程机械故障诊断方法,其特征在于,所述方法包含如下步骤:步骤1,通过振动加速度传感器采集齿轮箱振动信号;步骤2,对采集到的齿轮箱原始振动信号进行特征提取;步骤3,利用自适应合成样本算法合成齿轮箱故障数据;步骤4,在分布改善后的数据集中使用深度自编码器进行特征选择,选择时,在损失函数中引入最大相关熵和稀疏惩罚项;步骤5,利用选择后的特征和改善后的数据集来训练SVM分类器,SVM分类器对齿轮箱正常与故障振动信号进行分类,实现齿轮箱故障诊断。2.根据权利要求1所述的一种基于不平衡数据的工程机械故障诊断方法,其特征在于,步骤2中,对采集到的原始振动信号进行特征提取,所采用的方法为小波包分解、经验模态分解和时域统计分析;小波包分解通过高通滤波器和低通滤波器对输入信号进行滤波,得到不同频带内的分量,然后计算各分量能量和能量熵;经验模态分解将输入信号分解成几个本征模态函数和一个残差,然后计算本征模态函数的能量和能量熵;经过时域统计分析得到信号的均值、方差、均方根值、峭度、脉冲因子。3.根据权利要求2所述的一种基于不平衡数据的工程机械故障诊断方法,其特征在于,步骤2中,小波包分解具体为:通过高通滤波器和低通滤波器对输入波形进行滤波,得到近似分量和细节分量,最终将原信号转换到2
j
个频带中,j为分解层数,通过双尺度方程构造小波包,双尺度方程可写作:小波包,双尺度方程可写作:其中ψ(t)为母小波,j为分解层数,n为该层中结点编号,i为节点编号,k为位移因子,h
k
和g
k
为一对互补的正交镜像滤波器,则第j层第k个频带的小波包系数计算公式为:为一对互补的正交镜像滤波器,则第j层第k个频带的小波包系数计算公式为:当输入信号为S时,对输入信号进行3层小波包分解,输入信号可以表示为:式中右下标为分解层数,右上标为该层中频带编号,提取小波包分解得到的子频带信号能量特征即信号的均方值,信号能量计算公式为:
式中x
i
(t)为第k个子频带信号每一时刻的信号幅值,N为信号长度,由每个子频带信号的能量特征计算能量熵,公式为:4.根据权利要求2所述的一种基于不平衡数据的工程机械故障诊断方法,其特征在于,步骤2中,经验模态分解具体为:经验模态分解将输入信号分解为几个本征模态函数和一个残差组成,公式为:式中IMF
m
(n)表示第M个本征模态函数,Res
M
(n)表示残差,经验模态分解具体步骤为:i.根据原始信号上下极值点,分别得到上下包络线;ii.求上、下包络线的均值,得到均值包络线;iii.原始信号减去均值包络线,得到中间信号;iv.判断该中间信号是否满足本征模态函数的两个条件,如果满足,该信号就是一个本征模态函数分量;如果不是,以该信号为基础,重新做i
技术研发人员:张奇,刘淑强,高翔,杨田苓,杨秦敏,陈旭,翁得鱼,曹伟伟,
申请(专利权)人:浙江大学,
类型:发明
国别省市:
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。