一种基于标签联合Fisher字典学习的传动系统故障诊断方法技术方案

本发明专利技术提供了一种基于标签联合Fisher字典学习的传动系统故障诊断方法，该方法包括传动系统故障模拟试验台的搭建、平行齿轮箱、行星齿轮箱、传感器、原始振动数据的采集，采用增强RPM方法，结合VMD和RPM方法削弱噪声并增强信号二维特征，采用将Fisher准则融入到罚函数项，加强字典原子的类内相似性和类间差异性，采用利用样本标签信息，鼓励相同标签的原子参与编码，加强字典表征系数的能力。本发明专利技术方法实现传动系统故障的精准诊断，在稀疏编码、原子聚类等方面均优于其他稀疏表示方法，是一种有效的传动系统故障诊断方法。

【技术实现步骤摘要】

本专利技术涉及一种基于标签联合fisher字典学习的传动系统故障诊断方法，属于传动系统故障诊断领域。

技术介绍

1、传动系统是大型机电装备重要的组成部分，负责传递动力和输出力矩，其稳定性、精度和可靠性对于设备运转、生产安全具有非常重要的意义。一旦传动系统出现故障，轻则影响设备的正常运行，导致设备非计划停机，影响生产工作，严重甚至会危及生产人员的生命安全。对传动系统进行实时监测和故障诊断，不仅可以提高生产效率和设备利用率，而且可以提高设备的可靠性，保障生产安全，具有非常重要的意义。

2、机械传动系统长时间在高温潮湿、高速重载等复杂恶劣工况下运行，齿轮、轴承等关键零部件常常会发生点蚀、磨损、裂纹等故障。一方面，早期故障通常表现为轻微的局部磨损或微小的缺陷，这些变化可能在整体振动信号中被掩盖。另一方面，采集到的原始振动信号受到各种来源的噪声干扰，这些干扰会使得故障特征更难以被准确识别。针对噪声干扰下的微弱故障信号，采用变分模态分解(variational mode decomposition,vmd)方法筛选有效故障分量进行降噪和特征提取。变分模态分本文档来自技高网...

【技术保护点】

1.一种基于标签联合Fisher字典学习的传动系统故障诊断方法，其特征在于：

2.根据权利要求1所述的基于标签联合Fisher字典学习的传动系统故障诊断方法，其特征在于：所述稀疏字典模型的构建方法为：

3.根据权利要求2所述的基于标签联合Fisher字典学习的传动系统故障诊断方法，其特征在于：所述样本数据集包括齿轮正常、点蚀、断齿、裂纹、缺齿和磨损共6类振动数据，每种类别信号有300个带标签样本，样本长度设置为1024，按7:1:2的比例划分为训练集、验证集和测试集，利用增强RPM方法提取样本二维特征。

4.根据权利要求2所述的基于标签联合Fisher...

【技术特征摘要】

1.一种基于标签联合fisher字典学习的传动系统故障诊断方法，其特征在于：

2.根据权利要求1所述的基于标签联合fisher字典学习的传动系统故障诊断方法，其特征在于：所述稀疏字典模型的构建方法为：

3.根据权利要求2所述的基于标签联合fisher字典学习的传动系统故障诊断方法，其特征在于：所述样本数据集包括齿轮正常、点蚀、断齿、裂纹、缺齿和磨损共6类振动数据，每种类别信号有300个带标签样本，样本长度设置为1024，按7:1:2的比例划分为训练集、验证集和测试集，利用增强rpm方法提取样本二维特征。

4.根据权利要求2所述的基于标签联合fisher字典学习的传动系统故障诊断方法，其特征在于：所述rpm方法为：

5.根据权利要求2所述的基于标签联合fisher字典学习的传动系统故障诊断方法，其特征在于：在惩罚函数里融入fisher准则构建字典学习模型的方法为：

6.根据权利要求5所述的基于标签联合fisher字典学习的传动系统故...

【专利技术属性】
技术研发人员：陈曦晖，杨冠雄，赵伟恒，杨一鸣，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：