数据挖掘在齿轮副磨损状态监测中的应用研究

摘要

齿轮传动广泛应用于机械设备，同时齿轮故障也是造成机械设备故障的主要原因之一。为尽早发现故障，减少损失，对齿轮副的磨损状态进行监测十分必要，油液监测和振动监测是最常用的监测方法，监测过程中会产生包含磨粒群常规参数、磨粒群分形参数、振动参数在内的大量监测数据，如何根据大量数据准确判断齿轮副的磨损状态，还需要进一步研究。本文研究了数据挖掘技术在齿轮副磨损状态监测中的应用，内容主要包括:
　　基于模拟退火K-Means算法开发了一种辨识磨粒群分形无标度区的新算法，解决了磨粒群分形维数计算过程中无标度区识别出现的局部最优问题，有效地提高了磨粒群分形维数的计算精度。
　　设计了直齿圆柱齿轮副磨损实验，获取了一对齿轮副全寿命周期内的油液参数、振动参数及磨损率。应用相关性分析及主成分分析法对上述参数进行筛选和约简，提出了一组新的齿轮副磨损状态监测参数集。
　　针对传统根据磨损率划分齿轮副磨损状态方法的不足，提出了一种新的齿轮副磨损状态划分方法。新方法根据监测参数将齿轮副全寿命周期划分为6个磨损状态并获取了各磨损状态所对应的监测参数集，新的划分方法包含并细化了传统磨损率划分方法。
　　应用关联规则算法从上述划分结果中提取了监测参数分布与齿轮副磨损状态之间的关联规则，应用实验中获得的测试数据对挖掘系统进行测试，结果表明，挖掘模型根据监测参数对齿轮副磨损状态的识别正确率达90％，能有效地识别齿轮副磨损状态。