拟合函数系数特征的SVDD行星齿轮故障诊断方法

论文摘要

行星齿轮振动信号复杂多变,离散型故障信号需进行降噪、降维等复杂的处理过程,且信号处理过程中易造成信息缺失等。针对以上存在的问题,提出将函数型数据分析(Functional data analysis,FDA)与改进的支持向量数据描述(Support vector domain description,SVDD)相结合的故障诊断方法。根据齿轮不同故障类型建立不同的故障拟合基函数,将训练集数据与傅里叶基函数进行拟合,根据拟合得到的函数系数特征建立SVDD模型,并以ROC(Receiver operating characteristic)的评价函数为优化目标使用模拟退火算法对SVDD模型中的核参数σ和惩罚因子c进行优化;将不同的测试样本带入SVDD模型中,通过计算测试样本到超球体球心的相对距离来识别故障种类,进而完成行星齿轮的故障诊断。实验结果对比表明,本文中提出的方法能够解决离散型故障信号处理复杂、信息丢失等问题,准确地识别行星齿轮故障种类。

论文目录

• 1 行星齿轮振动数据函数型转换方法
•   1.1 函数型数据分析
•   1.2 函数型数据分析
•     1.2.1 太阳轮故障基函数
•     1.2.2 拟合函数系数筛选
• 2 行星齿轮SVDD故障诊断
•   2.1 支持向量数据描述
•   2.2 优化目标和目标识别
• 3 试验说明
•   3.1 试验说明
•   3.2 试验分析
• 4 结论

文章来源

类型: 期刊论文

作者: 王亚萍,王艳,葛江华,许迪,孙永国

关键词: 函数型数据分析,支持向量数据描述,评价函数,行星齿轮,故障诊断

来源: 机械科学与技术 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 哈尔滨理工大学机械动力工程学院

基金: 国家自然科学基金项目(51575143),黑龙江省自然科学基金项目(E2018046)资助

分类号: TH132.425

DOI: 10.13433/j.cnki.1003-8728.20190074

页码: 1877-1884

总页数: 8

文件大小: 539K

下载量: 143