[发明专利]一种机械设备故障诊断方法

说明书

本发明公开了一种机械设备故障诊断方法。首先，利用信号分析方法提取传感器采集信号中包含的机械设备故障特征，并组成故障特征向量；然后，利用故障特征向量离线训练故障诊断分类器，所述故障诊断分类器采用组合分类器，该组合分类器采用Adaboost提升算法作为组合方法；最后，运用训练好的故障诊断分类器实时进行机械设备的故障诊断。本发明采用组合分类方法实现了机械设备零部件故障的诊断，能用于在线实时故障诊断，及时发现机械设备故障，防止重大事故的发生。同时，相比较其他故障诊断方法，该方法显著提高了故障诊断的精度。

技术领域

本发明属于智能系统技术应用领域，特别涉及了一种机械设备故障诊断方法。

背景技术

由于智能化系统的发展和应用，机械设备趋向于复杂化和多功能化，使得日常维护变得日益困难。系统包含的智能自动化设备越来越多，其结构复杂，空间跨度大，涉及到多个子系统，而且各个环节交互错综复杂，任何一个环节的异常或者故障的发生均有可能导致整体生产效率和可靠性的降低，因此对于设备的监控和故障诊断变得越来越重要。近年来，数据库和数据采集在生产和制造中得到大量应用，设备的状态监测系统应运而生，企业累计了大量设备监测数据。这些数据的采集和积累使得对于设备的实时故障诊断成为了可能。同时，由于大数据技术和人工智能技术得到了广泛的重视和发展，各种数据挖掘算法、机器学习算法和可视化技术的应用，使企业可以充分利用这些数据中的大量信息去监控机器的运行状态、诊断故障原因以及严重程度。将数据挖掘或者机器学习算法融入故障诊断技术，和生产设备状态监控相结合，有助于改善传统状态监控系统的不足。

文献“旋转机械故障诊断的时频分析方法及其应用研究[硕士学位论文]，武汉科技大学，2014”通过信号分析方法对旋转机械进行分析，从而进行故障诊断。文献“旋转机械在线监测与故障诊断系统的研究[硕士学位论文]，电子科技大学，2013”设计了机械设备故障监控系统和框架。如今虽然已经有了很多故障分析方法和监控方法，但是对于在线智能故障诊断仍然缺乏高效的方法，有的算法缺乏通用性，有的算法精度不高，难以满足需求。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供一种机械设备故障诊断方法，弥补现有故障诊断技术通用性差、精度较低等缺点。

为了实现上述技术目的，本发明的技术方案为：

一种机械设备故障诊断方法，包括以下步骤：

(1)利用信号分析方法提取传感器采集信号中包含的机械设备故障特征，并组成故障特征向量；

(2)利用故障特征向量离线训练故障诊断分类器，所述故障诊断分类器采用组合分类器，该组合分类器采用Adaboost提升算法作为组合方法；

(3)运用训练好的故障诊断分类器实时进行机械设备的故障诊断。

进一步地，训练和测试故障诊断分类器的步骤如下：

(a)数据集D包括d个数据组：(x₁,y₁),(x₂,y₂),…,(x_d,y_d)，其中，x_j表示第j个故障特征向量，y_j表示类标号，j＝1,2,…,d，对数据集D中的每个数据组的权重w_j初始化为

(b)从数据集D中进行k轮有放回地抽样，得到训练集D_i，其中，D_i表示第i轮抽样得到的训练集，i＝1,2,…,k，k为组合分类器中基分类器的个数；

(c)根据训练集D_i得到对应的基分类器T_i；