基于多组合分类器的汽车变速箱故障诊断

详细信息    查看全文 | 推荐本文 |

	作者：陈汤 ; 崔玉莲 ; 冯辅周 ; 吴春志 关键词：汽车变速箱 ; 特征参量集 ; 故障诊断 中文刊名：时代汽车 英文刊名：Auto Time 机构：陆军装甲兵学院车辆工程系; 出版日期：2019-05-05 出版单位：时代汽车 年：2019 期：07 语种：中文; 页：188-189+198 页数：3 CN：42-1738/TH ISSN：1672-9668 分类号：U472

摘要

针对于汽车变速箱故障特征信号微弱,且难以对故障类型识别问题,提出了基于多组合分类器的故障诊断方法。首先该方法将原始振动信号采用经验模态分解(Empirical Mode Decomposition,EMD)、变分模态分解(Variational Mode Decomposition,VMD)以及提升小波变换(Lifting Wavelet Transform,LWT)进行分解得到多个分量信号,再在对每个分量信号求取特征参量组成特征向量集,输入到K近邻分类器(k-Nearest Neighbor,kNN)、逻辑回归分类器(Logical Regression Multi-Classification,LRMC)以及随机森林分类器(Random Forest,RF)中,以此判断故障类型。最后经过汽车变速箱故障模拟试验台的数据验证,经过分类器性能评价指标验证,基于LWT-RF模型的故障诊断方法具有最高的准确率、精确率、F1-score。
        

引文

[1]李聪.变速箱嵌入式故障诊断关键技术研究[D].国防科学技术大学,2009.
    [2]Norden E.Huang,Zheng Shen,Steven R.Long,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proc R Soc Lond A,1998,454:903-995.
    [3]B Liu,S Riemenschneider,Y Xu.Gearbox fault diagnosis using empirical mode decomposition and Hilbert spectrum[J].Mechanical Systems&Signal Processing,2006,20(3):718-734.
    [4]Huang N E,Shen S P.Hilbert-Huang transform and its applications[M].World Scientific Publishing,2005.
    [5]丁闯,张兵志,冯辅周,等.局部均值分解和排列熵在行星变速箱故障诊断中的应用[J].振动与冲击,2017,36(17):55-60.
    [6]丁闯.基于排列熵的行星变速箱故障诊断研究[A].中国振动工程学会、中国振动工程学会动态测试专业委员会.Proceedings of 2016 13th International Conference on Ubiquitous Robots and Ambient Intelligence(URAI)[C].中国振动工程学会、中国振动工程学会动态测试专业委员会:中国振动工程学会,2016:6.
    [7]时建峰.基于时、频域-小波分析和神经网络方法的变速箱故障诊断研究[D].太原理工大学,2008.
    [8]程晓涵,汪爱明,花如祥,孟国营.24种特征参量对轴承状态识别的性能研究[J].振动、测试与诊断,2016,36(2).