基于ICA和SVM算法的装载机变速箱故障的噪声诊断研究

摘要

装载机是一种广泛应用于公路、铁路、港口等建设工程的工程机械，它的使用，极大的提高了生产效率。但是，由于其结构复杂，零部件间的关联性高，经常出现某些零部件，尤其是变速箱的故障导致整台设备故障频发，停机率居高不下。一般的装载机变速箱故障诊断使用加速度传感器测量振动信号做为信息源，针对不同的故障或不同的变速箱需重新布置传感器，操作费时费事，因此，研究一种高效的变速箱故障诊断方法具有重要应用价值。本文利用噪声诊断的非接触性，使用声强传感器，以装载机变速箱在不同工况下产生噪声为研究对象，提出了一种快速识别出故障类型的噪声诊断法，为装载机变速箱的正常工作保驾护航。
　　针对装载机变速箱噪声混合形式复杂，难以提取出代表不同工况特征信号的问题，利用ICA和相关系数的原理，分离出不同工况下变速箱噪声的独立分量，计算独立分量与各通道噪声数据相关系数的最大值，构建了装载机变速箱不同工况的特征向量;同时，利用SVM算法在处理小样本集分类中优秀的泛化能力，采用高斯核函数及SVM处理多分类问题中的“一对一”方法，训练故障诊断分类器，实现对装载机变速箱故障的高效诊断。
　　在MATLAB软件，利用以振代噪的方法，模拟装载机变速箱的四种源信号;采用卷积混合模型，仿真变速箱在四种工况下的6通道振动信号各120组;利用频域ICA算法，分别分离出四类工况的独立分量，计算变速箱在不同工况下的特征向量;使用400组数据训练6类故障诊断分类器，剩余80做为测试数据检测分类器误诊率。结果表明，在对80组数据的测试中，误诊个数为5个，误诊率6.25％。
　　按照国家标准，搭建装载机变速箱噪声测试的13点测试平台，利用声强传感器采集变速箱在正常工况及故障工况下的噪声数据，利用算法对数据进行分析，结果表明40组测试数据，误诊数4个，误诊率为10％。

目录

声明

摘要

第1章 绪论

1．1 课题的研究背景和意义

1．2 变速箱故障诊断发展现状及趋势

1．2．1 故障诊断发展现状

1．2．2 变速箱常见故障及机理

1．2．3 变速箱故障诊断发展现状及趋势

1．3 独立分量分析算法研究现状

1．4 支持向量机研究现状

1．5 论文主要研究内容

第2章 变速箱故障的噪声诊断算法

2．1 噪声诊断算法原理

2．2．1 ICA的数学模型

2．2．3 ICA的假设条件及不确定性

2．2．3 FastICA算法及相关系数

2．2．4 基于ICA和相关系数的特征提取算法

2．3 支持向量机分类算法

2．3．1 支持向量机原理

2．3．2 线性支持向量机

2．3．3 非线性支持向量机

2．3．4 支持向量机多分类问题

2．4 基于ICA和SVM的噪声诊断算法

2．5 本章小结

第3章 基于ICA和SVM噪声诊断算法的仿真

3．1 变速箱四类工况模拟

3．1．1 变速箱四种源信号模拟

3．1．2 四类变速箱工况采集数据模拟

3．2 变速箱四类工况特征向量的计算

3．2．1 独立源数估计

3．2．2 变速箱四类工况独立源分离

3．2．3 四类工况特征向量的计算

3．3 变速箱工况的诊断识别

3．4 本章小结

第4章 变速箱故障的噪声诊断实验

4．1 噪声测试平台的搭建

4．1．1 测试仪器

4．1．2 测试平台布置

4．1．3 测试过程

4．2 变速箱故障诊断

4．2．1 数据分类

4．2．2 独立源分离

4．2．3 两种工况特征向量计算

4．2．4 分类器的训练及测试

4．3 本章小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间取得的科研臊

致谢