[发明专利]一种齿轮箱的智能故障检测方法

权利要求书

1.一种齿轮箱的智能故障检测方法，其特征在于，所述方法包括：

S1.在待测设备上设置多个用于采集振动信号的检测节点；

S2.采集所述待测设备上每个所述检测节点的振动信号；

S3.用于采集多个所述检测节点的振动信号的传感器协同工作，组成一采集系统；

S4.将采集的振动信号输入神经网络故障诊断模型；

S5.根据所述神经网络故障诊断模型判断所述待测设备的状况。

2.根据权利要求1所述的齿轮箱的智能故障检测方法，其特征在于，所述神经网络故障诊断模型依次包括输入层、中间层、承接层和输出层；

所述输入层用于信号传输，所述输出层起线性加权作用，所述中间层的传递函数用于采用线性或非线性函数，连接权进行学习修正；所述承接层从中间层接收反馈信号，用来记忆中间层神经元前一时刻的输出值，承接层神经元的输出经延迟与存储，再输入到中间层。

3.根据权利要求1所述的齿轮箱的智能故障检测方法，其特征在于，所述神经网络故障诊断模型的非线性状态空间表达式为：

y(k)＝g(w³x(k))

x(k)＝f(w¹x_c(k)+w²(u(k-1)))

x_c(k)＝x(k-1)

其中y是m维输出结点向量，x是n维中间层结点单元向量u是r维输入向量，x_c是n维反馈向量；w¹，w²，w³分别是中间层到输出层、输入层到中间层、承接层到中间层的连接权值；g(·)是输出神经元的传递函数，是中间层输出的线性组合；f(·)是中间层神经元的传递函数。

4.根据权利要求3所述的齿轮箱的智能故障检测方法，其特征在于，f(·)为sigmoid函数。

5.根据权利要求1所述的齿轮箱的智能故障检测方法，其特征在于，所述神经网络故障诊断模型的学习指标函数采用误差平方和函数：

其中y_k(w)是实际输出量，是目标输出量。

6.根据权利要求1所述的齿轮箱的智能故障检测方法，其特征在于，所述检测节点包括加速度传感器、MCU和无线传输模块，所述加速度传感器用于完成信号的采集，所述无线传输模块完成信号的传输。