基于LCD和KNNCH分类算法的齿轮故障诊断方法.pdf

《基于LCD和KNNCH分类算法的齿轮故障诊断方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于LCD和KNNCH分类算法的齿轮故障诊断方法——曾鸣杨字郑近德等基于LCD和KNNCH分类算法的齿轮故障诊断方法曾鸣杨宇郑近德程军圣湖南大学汽车车身先进设计制造国家重点实验室，长沙，410082摘要：提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包(KNNCH)分类算法的齿轮故障诊断方法。该方法采用ICD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC)，然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器，根据其输出结果来判断齿轮的工作状态。实验分析结果表明，所提出的方法能有效地提取齿轮故障特征信息，而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。

2、同时，与支持向量机(SVM)算法的对比分析结果表明，KNNCH算法能取得与sVM算法相当或更高的正确识别率。关键词：局部特征尺度分解(LCD)；核最近邻凸包(KNNCH)分类算法；能量；齿轮；故障诊断中图分类号：TH165；TN911DOI：10．3969／j．issn．1004—132X．2014．15．012FaultDiagnosisApproachforGearsBasedonLCDandKNNCHClassificationAlgorithmZengMingYangYuZhengJindeChengJunshengStateKeyIaboratoryofAdvancedDesigna

3、ndManufactureforVchicleBody，HunanUniversity，Changsha，410082Abstract：AgearfaultdiagnosisapproachwasproposedbasedonLCDandKNNCHclassificationalgorithm．Firstly，LCDmethodwasappliedtoanoriginalgearbearingvibrationsignalsandadap—tivelydecomposedthesignalsintoaseriesofintrinsicscalecomponents(ISC)．Secondly，

4、theenergiesoftheISCswhichcontainmaininformationwereextractedandregardedasthefaultfeaturevector．Finally，KNNCHclassifieracceptedthefaultfeaturevectorastheinputs，andthentheworkingcon—ditionofgearcouldbeidentifiedbytheoutputsoftheclassifier．Theexperimentalanalysisresultsshowthattheproposedapproachcaneff

5、ectivelyextractthefaultfeatureinformationandaccuratelyclassifytheworkingconditionsofgeareveninthecaseofsinai1samples．Additionally，thecompara—tiveanalysisresultsdemonstratethatKNNCHclassificationalgorithmcangainaconsiderableorbet—terclassificationratecomparedtoSVM(supportvectormachine)algorithm．Keywo

6、rds：localcharacteristic—scaledecomposition(LCD)；kernelnearestneighborconvexhull(KNNCH)classificationalgorithm；energy；gear；faultdiagnosis0引言SVM)已经广泛地应用于齿轮故障诊断l】]。目前，支持向量机(supportvectormachine，SvM采用核方法实现样本特征由低维空间线性不可分到高维空间线性可分的非线性映射，其算收稿日期：2013⋯03O5法具有全局最优解。但是，SVM算法在本质上只基金项目：国家自然科学基金资助项目(51075131，5117

7、5158)；湖是针对两类问题，对于多类问题通常需要建立多南省自然科学基金资助项目(11JJ2O26)；湖南大学汽车车身先进级分类器将其转化为多个两类问题来处理，而采设计制造国家重点实验室自主研究课题(60870002)；中央高校基用不同的分类器结构(如一对一、一对多和有向无本科研业务费专项资金资助项目(531107040301)E8]汪国平，华宣积，孙家广．复杂螺旋曲面铣削加工的searchonT