[发明专利]一种采煤机摇臂齿轮故障诊断方法

摘要

本发明涉及一种采煤机摇臂齿轮故障诊断方法，利用摇臂振动信号中的多类故障特征信息和故障分类方法实现摇臂齿轮的故障诊断；首先通过加速度传感器获取不同测点的振动信号，应用小波包变换对振动信号进行分解，得到小波包分解后的各部分时域振动信号，分别提取他们的能量系数、陡度系数和偏度系数，作为摇臂齿轮故障特征参量，利用故障特征参量对支持向量机的故障分类模型进行训练，得到最优的故障分类模型，实现采煤机摇臂齿轮的故障诊断。本方法的有益效果是：可解决摇臂齿轮振动信号故障信息提取困难、故障信息单一和故障识别率低的问题，又使得基于多参量的摇臂齿轮故障诊断方法具有计算简单、便于实现和识别率高等优点。

主权项

一种采煤机摇臂齿轮故障诊断方法，其具体是基于小波包变换和支持向量机的采煤机摇臂齿轮故障诊断方法，其特征在于，具体操作包括以下步骤：（1）分别收集采煤机摇臂齿轮正常、点蚀、断齿、磨损和剥落状态下的振动信号作为参考数据，每组数据分为两部分，一部分作为支持向量机分类模型的训练样本，另一部分作为支持向量机分类模型的测试样本，并标注数据的类型和故障类型；（2）利用小波包分解，对振动信号进行分解得到小波系数矩阵，对每一部分的小波系数进行重构，得到小波分解后的各部分振动信号；（3）故障特征信息提取，计算小波包分解每一部分振动时域信号的故障特征信息，组成摇臂齿轮故障特征空间；（4）SVM分类模型参数寻优，利用粒子群算法计算得到SVM分类模型的最优参数；（5）分类模型训练，利用寻优结果和训练数据对SVM分类模型进行训练，得到SVM最优分类模型；（6）分类模型测试，带入测试样本数据验证分类模型的准确性以及本发明的有效性。