[发明专利]一种高性能大型风电齿轮箱故障分类方法及系统

权利要求书

1.一种高性能大型风电齿轮箱多故障分类方法，其特征在于，所述方法包括：

获取高性能大型风电齿轮箱故障特征的空间分布图像；所述故障特征包括齿轮破坏和机座松动；

获取所述空间分布图像的图像切片；

根据所述图像切片确定高性能大型风电齿轮箱故障特征数据；

获取所述图像切片的中心点坐标；

根据所述故障特征数据以及所述中心点坐标，计算分类阈值；

根据所述分类阈值对所述故障特征进行分类，得到有效特征样本；

对有效特征样本进行优化求解，得到优化后的方向向量以及优化后的偏移项；

根据优化后的方向向量以及优化后的偏移项，确定拉格朗函数；

根据所述拉格朗日函数，对高性能大型风电齿轮箱的故障特征数据进行分类。

2.根据权利要求1所述的故障分类方法，其特征在于，所述根据所述故障特征数据以及所述中心点坐标，计算分类阈值，具体包括：

根据所述故障特征数据计算权向量和偏移项；

根据所述权向量和所述偏移项选择核函数；

根据所述故障特征数据、所述权向量、所述偏移项以及所述核函数，确定拉格朗日乘子；

根据所述朗格朗日乘子以及所述中心点坐标，计算分类阈值。

3.根据权利要求1所述的故障分类方法，其特征在于，所述根据所述拉格朗日函数，对高性能大型风电齿轮箱的故障特征数据进行分类，具体包括：

根据所述拉拉格朗日函数确定分离超曲面；

根据所述故障数据在所述分离超曲面的位置，对所述故障特征数据进行分类。

4.一种高性能大型风电齿轮箱多故障分类系统，其特征在于，所述系统包括：

空间分布图像获取模块，用于获取高性能大型风电齿轮箱故障特征的空间分布图像；所述故障特征包括齿轮破坏和机座松动；

图像切片获取模块，用于获取所述空间分布图像的图像切片；

故障特征数据确定模块，用于根据所述图像切片确定高性能大型风电齿轮箱故障特征数据；

坐标获取模块，用于获取所述图像切片的中心点坐标；

计算模块，用于根据所述故障特征数据以及所述中心点坐标，计算分类阈值；

有效特征样本分类模块，用于根据所述分类阈值对所述故障特征进行分类，得到有效特征样本；

求解模块，用于对有效特征样本进行优化求解，得到优化后的方向向量以及优化后的偏移项；

拉格朗函数确定模块，用于根据优化后的方向向量以及优化后的偏移项，确定拉格朗函数；

故障特征数据分类模块，用于根据所述拉格朗日函数，对高性能大型风电齿轮箱的故障特征数据进行分类。

5.根据权利要求4所述的系统，其特征在于，所述计算模块包括：

第一计算单元，用于根据所述故障特征数据计算权向量和偏移项；

选择单元，用于根据所述权向量和所述偏移项选择核函数；

确定单元，用于根据所述故障特征数据、所述权向量、所述偏移项以及所述核函数，确定拉格朗日乘子；

第二计算单元，用于根据所述朗格朗日乘子以及所述中心点坐标，计算分类阈值。

6.根据权利要求4所述的系统，其特征在于，所述故障特征数据分类模块包括：

分离超曲面确定单元，用于根据所述拉拉格朗日函数确定分离超曲面；

分类单元，用于根据所述故障数据在所述分离超曲面的位置，对所述故障特征数据进行分类。