[发明专利]基于多通道数据深度挖掘的主减速器多故障智能诊断方法

说明书

本发明公开基于多通道数据深度挖掘的主减速器多故障智能诊断方法，包括：通过多通道传感器获取主减速器的振动信号，并融合小波收缩降噪方法和结构化稀疏方法对所述振动信号进行降噪处理；基于降噪处理后的所述振动信号，采用深度信念网络进行多通道深层特征提取，并对多通道深层特征进行融合；基于深层特征融合结果，采用稀疏贝叶斯极限学习机对所述主减速器进行在线状态监测及多故障智能诊断。本发明能够同时识别单故障与多故障模式，实现主减速器状态监测与智能故障诊断的量化分析。

技术领域

本发明涉及主减速器故障诊断技术领域，特别是涉及一种基于多通道数据深度挖掘的主减速器多故障智能诊断方法。

背景技术

作为汽车后桥传动系统的核心部件，主减速器的状态及性能对于汽车的安全性、舒适性和可靠性有着重要的影响。基于此，对汽车主减速器进行在线状态监测与故障模式识别对于保障车辆安全、确保可靠运行、避免灾难性事故有着重要的意义。

目前，国内外很多科研机构开展了基于振动信号的机械故障诊断方法研究，在可靠传感数据的获取、振动信号预处理与特征提取和故障模式的智能识别等多个方面取得了大量的研究成果。武汉理工大学的周祖徳、谭跃刚等近10年来应用光纤传感技术在重大机械装备监测与诊断方面展开研究；西安交通大学的屈梁生、何正嘉等将全息谱、小波变换等技术应用于故障诊断的研究之中；上海交通大学的王金福、李富才等将频域分析方法应用于机械故障诊断中的振动信号处理；杨叔子院士等长期致力于故障信号处理与故障诊断新技术的研究；西安交通大学的雷亚国、贾峰等提出了一种基于深度学习理论的机械装备大数据健康监测方法；美国威斯康星大学麦迪逊分校的Yin Jiateng等将深度学习方法应用于高速铁路车辆的车载设备故障诊断领域。

汽车后桥主减速器故障诊断作为机械故障诊断的一个研究分支，早期主要通过有丰富经验的工程师或维修人员利用耳听的方式，根据主减速器内部的齿轮副啮合所产生的声音信号对其运行状态进行判断，这种技术主观性较强，容易受周围嘈杂环境中的噪声影响从而给出错误的诊断结果。从国内外研究学者的研究内容来看，现有研究主要围绕着汽车后桥主减速器振动信号的分析展开，但是针对主减速器的多故障诊断技术的研究尚不丰富，且存在一些亟待解决的关键问题：

1)振动信号的处理手段较单一

现有的技术大多采用时域分析、频域分析、时频域分析对振动信号进行降噪预处理和浅层特征提取。强噪声干扰下的主减速器振动信号，调制边频带成分复杂，通常包含谐波和瞬时冲击等多种信号成分。因此，如何提高振动信号信噪比，并且在降噪的过程中保留有效的高频特征成分，是保证智能诊断模型具有较高精确度的基础。

2)对多通道传感数据的利用率较低

现有的技术大多采用固定位置的单传感器采集主减速器的振动信号，受传感器放置位置和方向的限制，传感数据对于主减速器运行状态的代表性和表征性有限，从而降低了诊断模型的准确性。因此，面对大量的多通道传感数据，如何深度挖掘智能制造领域的大数据，是一个值得深入研究的问题。

3)对多故障模式识别的研究较单薄

由于主减速器内部装配复杂，多种故障模式通常会同时发生或前后级联发生，故障模式之间具有较强的耦合性，从而增加了故障识别的难度。现有研究多诊断单一故障的识别展开，如何提出一种主减速器多故障的智能诊断方法具有重要的意义。

发明内容

本发明的目的是提供一种基于多通道数据深度挖掘的主减速器多故障智能诊断方法，以解决现有技术中的问题，能够同时识别单故障与多故障模式，实现主减速器状态监测与智能故障诊断的量化分析。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于多通道数据深度挖掘的主减速器多故障智能诊断方法，包括如下步骤：

通过多通道传感器获取主减速器的振动信号，并融合小波收缩降噪方法和结构化稀疏方法对所述振动信号进行降噪处理；