[发明专利]一种矿用钻机变速箱故障智能诊断方法

权利要求书

1.一种矿用钻机变速箱故障智能诊断方法，其特征在于：步骤如下

步骤一采用经验模式分解方法将矿用钻机变速箱监测信号分解为多个基本模式分量，提取微弱故障信息；

步骤二计算每个基本模式分量的时域统计特征和频域统计特征，并利用距离评估技术选取对故障敏感的统计特征，构造输入向量；

步骤三运用多分类直推式支持向量机对变速箱运行状态进行分类，智能诊断矿用钻机变速箱的多种齿轮故障。

2.根据权利要求1所述的方法，其特征在于：所述步骤一包括以下步骤

步骤a，计算矿用钻机变速箱监测信号x(t)的上下包络线均值m(t)；

步骤b，从x(t)中减掉m(t)得到h(t)；

步骤c，将h(t)作为原始信号，重复步骤a～b，直至m(t)=0时终止，得到第一个基本模式分量s₁(t)；

步骤d，重复步骤a～c，将监测信号x(t)分解为多个基本模式分量和一个余项的形式，

x(t)=Σi=1nsi(t)+rn(t)]]>

其中，s_i(t),i=1,2,...,n为基本模式分量，r_n(t)为余项。

3.根据权利要求2所述的方法，其特征在于，所述步骤二包括以下步骤

首先，对所有的基本模式分量s_i(t),i=1,2,...,n，计算其均值、均方根值、方根幅值、绝对平均值、偏斜度、峭度、方差、峰值、波形指标、峰值指标、脉冲指标、裕度指标、偏斜度指标、峭度指标时域统计特征和表征频域振动能量大小、能量集中程度、主频位置变化的频域统计特征；

其次，利用距离评估技术计算每个特征对故障的敏感程度，依据敏感程度系数对特征排序，选取敏感程度较高的特征构造输入向量X_test。

4.根据权利要求3所述的方法，其特征在于：所述步骤三包括以下步骤，

首先，运用少量的已知钻机变速箱运行状态的数据训练多分类直推式支持向量机；

其次，将输入向量X_test输入多分类支持向量机中进行分类，智能诊断矿用钻机变速箱故障。