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。
关键词:函数型数据分析 支持向量数据描述 roc评价函数 行星齿轮 故障诊断
单位:哈尔滨理工大学机械动力工程学院; 哈尔滨150080
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社