[发明专利]一种基于抗体浓度的齿轮故障诊断方法

权利要求书

1.一种基于抗体浓度的齿轮故障诊断方法，其特征是包括以下步骤：

1)获取齿轮振动信号，通过振动传感设备，测试提取诊断齿轮正常工作和发生故障时的有关振动信号；

2)提取特征向量，采用小波包方法，提取正常工作和发生故障时的特征向量值，对每一信号经小波包分解，求各频带的能量，得到一组与信号相对应的能量序列{E_j|j＝1，2，...，2^N}，由此确定与此能量序列对应的特征向量；选择齿轮磨损、断齿、裂纹和正常状态进行故障特征提取，将选择的振动信号时域波形，用小波包方法进行分解，分别提取不同频段的特征信号，即由各频段的能量谱求得齿轮发生故障时其振动信号的特征向量值；

3)建立诊断系统，选择齿轮正常工作和不同故障类型发生时的特征向量作为训练样本，生成诊断系统，系统采用自适应免疫网络模型产生抗体群体，采用故障分类及其强度评价模型计算各种故障类型的故障强度系数，计算所得的齿轮不同故障状态下的故障强度系数作为具体诊断时的故障判断标准；

4)输入诊断数据，将第一步检测并通过第二步特征提取所获得的待诊断齿轮故障特征向量值作为抗原，输入到建立的故障诊断系统，系统发生免疫应答，产生相应的故障特征抗体群体，然后，计算不同故障类型的强度系数；

5)输出诊断结果，根据强度系数判断出可能存在的故障类型并输出相应结果。

2.如权利要求1所述的基于抗体浓度的齿轮故障诊断方法，其特征是上述步骤3)中所述的故障分类及其强度评价模型为：利用自适应免疫网络模型，将齿轮故障作为抗原，建立抗体种类及其浓度与齿轮故障种类及其强度关系模型，通过对模型中抗体种类和抗体浓度的统计，判断齿轮故障是否存在和故障出现时故障的种类；

设定n_i为对应于齿轮的第i类故障发生时所产生的抗体数量，c_i为齿轮正常状态下系统所产生的抗体数量，当齿轮的第i类故障发生时，定义其故障强度系数为：

ri=1-11+lg(|ni-ci|+1)]]>

由本公式的定义可知：0≤r_i≤1，当r_i＝0时，表明齿轮当前工作状态下没有第i类故障，当r_i＝1时，表明第i类故障存在，当0＜r_i＜1时，存在第i类故障的可能性，且r_i值越大，表明当前齿轮面临的第i类故障可能性越高，在模型中，当没有故障存在时，系统各种抗体数目相对稳定；当故障存在时各抗体的数目急剧增加，因此，可以根据故障存在时刺激所产生的抗体种类及其浓度来识别故障种类及强度。