一种基于人工智能算法的风机齿轮箱故障诊断方法.pdf

(19)中华人民共和国国家知识产权局

(12)(12)发明专利说明书

(10)申请公布号CN103808509A

(43)申请公布日2014.05.21

(21)申请号CN201410056641.9

(22)申请日2014.02.19

(71)申请人华北电力大学(保定)

地址071003071003河北省保定市永华北大街619号

(72)发明人赵文清蔡蕊

(74)专利代理机构北京科亿知识产权代理事务所(普通合伙)

代理人汤东凤

(51)Int.CI

G01M13/02

权利要求说明书说明书幅图

(54)发明名称

一种基于人工智能算法的风机齿轮

箱故障诊断方法箱故障诊断方法

(57)摘要

本发明公开了一种基于人工智能算

法的风机齿轮箱故障诊断方法。本发明通

过研究风机齿轮箱的结构特点和故障类

型，采用人工蜂群算法对LSSVM进行参

数优化，并将之应用到风机齿轮箱故障诊

断中。本发明方法采用的人工蜂群算法优

化LSSVM可以很好地完成风机齿轮箱的

故障诊断，识别率高，可靠性好。

法律状态

法律状态公告日法律状态信息法律状态

权利要求说明书

1.一种基于人工智能算法的风机齿轮箱故障诊断方法,其特征在于,它包括以下步骤:

步骤一:分别采集齿轮箱在正常以及典型故障状态下的振动数据作为样本;

步骤二:对采集到的振动数据进行归一化;

步骤三:将原始数据集分为训练数据集和测试数据集;

步骤四:对模型中用到的参数和适应度函数进行初始化;

步骤五:利用人工蜂群算法优化LSSVM分类模型,通过训练数据集确定正则化参数

C和核宽度σ的最优值;

步骤六:生成风机齿轮箱故障诊断模型;

步骤七:将测试数据集输入到训练好的风机齿轮箱故障诊断模型中,进行故障诊断,输

出测试结果。

2.根据权利要求1所述的一种基于人工智能算法的风机齿轮箱故障诊断方法,其特征

在于,在步骤一中,分别采集正常、轴承内圈故障、轴承外圈故障、齿面磨损和断齿

这5种不同状态下的振动信号。

3.根据权利要求1所述的一种基于人工智能算法的风机齿轮箱故障诊断方法,其特征

在于,在步骤二中,对数据进行归一化的公式如下:

math

mrow

msub

mix/mi

miig/mi

/msub

mo=/mo

mfrac

mrow

msub

mix/mi

mimax/mi

/msub

mo-/mo

msub

mix/mi

mii/mi

/msub

/mrow

mrow

msub

mix/mi

mimax/mi

/msub

mo-/mo

msub

mix/mi

mimin/mi

/msub

/mrow

/mfrac

/mrow

/math

其中:x

ig

表示归一化的特征值;x

i

表示各特征参量的能量值;x

max

,x

min

表示x

i

中的最大最小值。

4.根据权利要求1所述的,其特征在于,在步骤三中,采用150组齿轮箱的振动信号作

为样本进行实验。其中80组样本用于训练,70组样本用于测试。

5.根据权利要求1所述的一种基于人工智能算法的风机齿轮箱故障诊断方法,其特征

在于,在步骤四初始化中包括下列步骤: