[发明专利]一种齿轮箱的单一和复合故障诊断方法、设备及系统

摘要

本发明公开了一种齿轮箱的单一和复合故障诊断方法、设备及系统，属于机械设备状态监测和故障诊断领域。该诊断方法包括：(1)对齿轮箱进行振动信号采集；(2)将采集的振动信号划分为多个数据段，相邻两个数据段有重合数据，计算得到每个数据段对应的小波时频图像；(3)将小波时频图像划分为训练集和测试集，并归一化；(4)利用训练集训练多标签卷积神经网络；(5)利用测试集测试训练好的多标签卷积神经网络；(6)测试合格的多标签卷积神经网络作为故障诊断模型。本发明充分利用了小波变换优秀的特征提取能力和多标签卷积神经网络出色的模式识别能力以及对复合故障诊断问题的适用性，能够有效地实现齿轮箱的单一和复合故障诊断。

主权项

1.一种齿轮箱的单一和复合故障诊断方法，其特征在于，包括以下步骤：/n(1)采集多个已知故障类型的齿轮箱的振动信号，多个齿轮箱涵盖正常模式、单故障模式和复合故障模式，正常模式表示无故障，单故障模式表示只有一种故障类型，复合故障模式表示具有多种故障类型；/n(2)将步骤(1)采集的每个振动信号划分为多个数据段，相邻两个数据段有部分重合，计算得到每个数据段对应的小波时频图像；/n(3)将步骤(2)获得的所有小波时频图像随机划分为训练集和测试集两部分，训练集需涵盖所有故障模式，并将每张小波时频图像的像素的RGB值归一化到[0,1]区间内；/n(4)将步骤(3)归一化后的所有故障模式下训练集的小波时频图像作为多标签卷积神经网络的输入，将对应的故障类型作为多标签卷积神经网络的输出，对多标签卷积神经网络进行训练；/n(5)将步骤(3)归一化后的测试集的小波时频图像输入训练好的多标签卷积神经网络中，识别出故障类型；/n(6)判断步骤(5)的识别结果是否准确，若准确率符合预期，则保存训练好的多标签卷积神经网络，获得故障诊断模型，用于齿轮箱的单一和复合故障诊断；否则，调整多标签卷积神经网络结构中的网络层数，并重新按照步骤(4)～(5)进行训练和测试，直至识别结果的准确率符合预期。/n