利用遗传编程提取齿轮多重故障分类特征.PDF

第19卷第1期 振 动 工 程 学 报 V01．19No．1 2006年3月 ofVibration Mar．2006 Journal Engineering 利用遗传编程提取齿轮多重故障分类特征 轩建平，史铁林，廖广兰，来五星 (华中科技大学机械工程学院，湖北武汉430074) 摘要：特征提取是齿轮多重状态或故障分类中一个很重要的问题。为解决该问题，提出了利用频域特征和遗传编程 对齿轮箱盖多类状态振动信号进行特征提取的方法。为了使诊断结果更好地可视化，利用遗传编程结果的固有随 机性，提取两个新特征指标。结果表明，该方法对振动数据进行了准确的多重故障分类，也可以应用到其它机械故 障诊断或分类中。 关键词：故障诊断；齿轮；遗传编程；特征提取；分类指标 中图分类号：THl65+．3；TP206文献标识码：A 文章编号：1004—4523(2006)01—0070—05 引 言 1 遗传编程 振动信号分析是进行齿轮故障诊断的重要工 1．1遗传编程 具。从振动信号中提取齿轮状态特征是齿轮故障诊 A1一 遗传优化算法(又称基因遗传算法Genetic 断的主要方法[1]。然而对多类或多重故障，特别是对 同类故障不同的严重程度情况，其特征提取就要困 含自然哲理的问题求解方法，它源于生物进化过程 难得多。对于这类问题，常用的一些诊断指标如时域 中的自然选择法则[3]。美国斯坦福大学的Koza在遗 或频域指标对其中一类或几类有作用，对所有故障 传算法基础上提出了用层次化的计算机程序来表达 或状态分类则可能效果不好。然而，可以通过对某几 问题的遗传编程(Genetic 种指标进行变换或综合，得到新的特征指标，从而区 也译作遗传规划)方法。遗传编程的基本思想是：随 分所有故障或状态。取得综合特征的传统方法有主 机产生一个适用于所给问题的初始种群，种群中的 分量分析(PrincipalComponentAnalysis，PCA)。 每个个体为树状结构，计算每个个体的适应值；依据 PCA是若干个样本优个特征指标(作为原坐标m个 优胜劣汰原则，选择遗传算子(复制、交叉、变异等) 坐标)向咒个新特征指标空间坐标上投影，从中找到 对种群不断进行迭代优化，直到在某一代上找到最 咒个特征指标，且n％m，以满足降维要求，同时保证 优解或近似最优解[4]。 全部样本点在新坐标上的分量散度最大。实质上，规 1．2遗传编程应用步骤 个新特征指标是原研个特征指标的线性组合‘2。。遗 在实际应用中，遗传编程需要5个主要的准备 传编程作为程序化的层式结构优化算法，在特征构 步骤： 造与特征选择中具有一定的优势。该方法是在优个 (1)终端符集，是表示树的树叶；在故障分类应 特征指标中根据一定准则，经过进化计算，降维成咒