[发明专利]基于改进决策树算法的岸桥起重机减速器状态检测方法

说明书

本发明提供一种基于改进决策树算法的岸桥起重机减速器状态检测的方法，用于检测岸桥起重机减速器是否在正常工作，包括：建立一个岸桥起重机减速器状态检测的决策树模型，然后运用决策树模型检测岸桥起重机状态，将振动传感器放置在岸桥起重机减速器上，信号传输到地面控制系统对减速器的振动信号进行预处理、傅里叶变换，得到频率幅值数据，把频率幅值数据送入建立好的岸桥起重机减速器状态检测的决策树模型，决策树模型能对送入的频率幅值数据分类，判断岸桥起重机处在正常、轮齿点蚀、轮齿折断、轴承损坏下的哪种状态，了解减速器的故障状态及时采取措施。

技术领域

本发明涉及岸桥起重机减速器的故障状态检测方法，特别是一种基于改进决策树算法的岸桥起重机减速器状态检测方法。

背景技术

航运的快速发展对港口岸桥起重机的工作效率要求越来越高，岸桥起重机是否正常工作直接影响集装箱的吊装效率。岸桥起重机的减速器是岸桥起重机的重要部分，岸桥起重机如果在有故障的状态下工作会影响起重机的正常运行，减速器内部的齿轮、轴承或其他零件产生损伤不易发现，这对岸桥起重机的正常运行存在潜在的影响。而传统的人工检测的方法对岸桥起重机减速器的检测效率低，并且不能对岸桥起重机减速器进行实时检测。

决策树是一种基本的分类与回归方法。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。

申请公布号为CN 109522957 A的中国专利公开了一种基于决策树算法的岸桥机械工作状态故障分类方法，该方法采用的决策树的原ID3算法，信息增益为训练元组的熵与训练元组按属性划分的期望信息的差值，这种计算属性的信息增益会有取值较多的属性比取值少的属性信息增益大的问题，倾向于选择取值较多的属性，既多值偏向问题，而属性值较多的属性并不一定是最优的，这会降低分类机械故障的准确度，并且数据量越大、属性的个数越多则建立决策树所用的时间越长。申请公布号为CN 110716820 A的中国专利提供一种基于决策树算法的故障诊断方法，该方法计算决策树节点的信息增益率采用计算每个类别出现的概率的和作为决策树结点的条件增益率，也会有多值偏向的问题。

发明内容

为解决上述决策树算法存在的多值偏向、振动数据量较大时建立决策树需要的时间长的问题，本发明提供一种基于改进决策树算法的岸桥起重机减速器状态检测的方法，包括：

步骤1：建立模型，收集的岸桥起重机减速器在正常状态以及不同故障状态的数据作为训练集与测试集数据，采用改进的ID3算法，建立一个岸桥起重机减速器状态检测的决策树模型。对建立的岸桥起重机减速器状态检测的决策树模型进行剪枝处理，用测试集数据测试所建立的岸桥起重机减速器状态检测的改进决策树模型的准确度。

步骤2：运用决策树模型检测岸桥起重机状态，将振动传感器放置在岸桥起重机减速器上，信号传输到地面控制系统，然后对采集的减速器的振动信号进行自相关卷积以去掉随机干扰噪声，突出周期性信号，对减速器的振动信号进行傅里叶变换，转换成频域信息，得到频率幅值数据，最后把频率幅值数据送入建立好的岸桥起重机减速器状态检测的决策树模型，决策树模型能对送入的频率幅值数据分类，判断岸桥起重机处在正常、轮齿点蚀、轮齿折断、轴承损坏下的哪种状态，如果减速器有故障则可以及时了解并采取措施。

所述步骤1中建立岸桥起重机减速器状态检测的决策树模型的方法：

通过放置在岸桥起重机减速器上的振动传感器每隔10秒的时间采集这一时间段内的振动数据，采集的数据涵盖岸桥起重机减速器在正常、轮齿点蚀、轮齿折断、轴承损坏等不同状态下的数据作为训练决策树的数据，对采集的减速器的振动信号先进行自相关卷积以去掉随机干扰噪声，突出周期性信号，然后再对减速器的振动信号进行傅里叶变换，转换成频域信息，得到每个小时间段在不同频率下的幅值数据，将傅里叶变换后不同状态下所有时间段内的数据储存并随机分为训练集与测试集。