论文部分内容阅读
在机械系统运转过程中，扮演动力传递作用的齿轮箱能否正常运行关乎整体机械系统的运行状态，一旦发生故障，将会引起整体机械系统的运行异常，因此对齿轮箱进行故障诊断研究对于保障机械系统正常运转具有重要意义。本研究以国家自然科学基金面上项目《跨座式单轨列车传动系统数字孪生建模与潜伏期故障预测方法研究》（No.6207023978）、重庆市教委重点科技项目《基于状态空间曲率分析的城市单轨列车走行部早期故障预测方法研究》（No.KJZD-K201900704）等为支撑，以齿轮箱为研究对象，通过对采集到的复合故障振动信号进行预处理、特征提取、特征选择、以及故障识别等几个方面进行研究工作，完成齿轮箱复合故障的诊断。主要工作及创新点体现为：
（1）提出了一种基于EEMD与云相似性的降噪方法。针对振动信号经EEMD分解后难以确定有效IMF分量问题，通过云模型将原信号与各IMF分量转换为云，从云相似性的角度评价IMF分量有效性，从而完成了有效IMF分量的选取，实现了对振动信号的降噪。实验结果表明该方法与互信息阈值筛选IMF分量方法相比，该方法具有一定优越性。
（2）提出了一种基于EEMD与云模型的故障特征表示方法。在确定有效IMF分量基础上，对选择的各IMF分量进行云数字特征表示，针对所提取的云数字特征在不同故障类别上表现难以区分的问题，引入合成云模型概念对云数字特征进行增强和约简。实验结果表明该方法与单云模型的故障特征表示方法相比，特征数有所降低的同时，特征鉴别能力也有所增强。
（3）提出了一种基于Fisher Score与最大信息系数的故障特征选择方法。针对多角度提取的特征数据集过大会导致后续分类模型的训练开销过大、不能准确辨识故障类别的问题，从实际齿轮箱的故障特征信息空间相对分布和故障特征信息掩盖问题出发，对Fisher Score计算方法改写，利用改写的Fisher Score结合最大信息系数选择出高相关、低冗余的特征子集。实验结果表明该方法与mRMR和reliefF方法相比，具有一定优越性。
最后以广东省石化装备故障诊断重点实验室采集的复合故障振动信号作为验证数据集，使用概率神经网络（PNN）作为分类模型，对本研究的主要工作进行了验证。
（1）提出了一种基于EEMD与云相似性的降噪方法。针对振动信号经EEMD分解后难以确定有效IMF分量问题，通过云模型将原信号与各IMF分量转换为云，从云相似性的角度评价IMF分量有效性，从而完成了有效IMF分量的选取，实现了对振动信号的降噪。实验结果表明该方法与互信息阈值筛选IMF分量方法相比，该方法具有一定优越性。
（2）提出了一种基于EEMD与云模型的故障特征表示方法。在确定有效IMF分量基础上，对选择的各IMF分量进行云数字特征表示，针对所提取的云数字特征在不同故障类别上表现难以区分的问题，引入合成云模型概念对云数字特征进行增强和约简。实验结果表明该方法与单云模型的故障特征表示方法相比，特征数有所降低的同时，特征鉴别能力也有所增强。
（3）提出了一种基于Fisher Score与最大信息系数的故障特征选择方法。针对多角度提取的特征数据集过大会导致后续分类模型的训练开销过大、不能准确辨识故障类别的问题，从实际齿轮箱的故障特征信息空间相对分布和故障特征信息掩盖问题出发，对Fisher Score计算方法改写，利用改写的Fisher Score结合最大信息系数选择出高相关、低冗余的特征子集。实验结果表明该方法与mRMR和reliefF方法相比，具有一定优越性。
最后以广东省石化装备故障诊断重点实验室采集的复合故障振动信号作为验证数据集，使用概率神经网络（PNN）作为分类模型，对本研究的主要工作进行了验证。