[发明专利]一种基于混合分类器的齿轮单类型故障检测方法

权利要求书

1.一种基于混合分类器的齿轮单类型故障检测方法，其特征在于，按下述步骤进行：

a.信号采集：使用多个传感器采集齿轮的运行数据，得到原始信号；

b.数据预处理：从原始信号中随机抽样，产生训练集和测试集；

c.特征提取：对训练集和测试集进行特征提取；

d.分类器训练：将每个传感器的特征数据输入到分类器进行训练；

e.决策集融合：利用改进的D-S证据理论对检测结果进行融合；

步骤b中，从原始信号中随机抽样具体为：利用小波包分解将原始信号分解；

步骤e中，改进的D-S证据理论的改进过程如下：

e1.计算各证据体之间的距离得到距离矩阵，并且该距离可以表示证据体之间的相似度：

d′_ij＝d_ij/4+0.5 (2)

其中：m表示证据体，A表示命题，d表示各证据体之间的距离，d’表示各标准化后的证据体之间的距离，D表示由证据体之间的距离构成的距离矩阵；

e2.利用修改的信息熵计算各证据体之间的支持度S(i)并标准化：

S(i)表示其他证据体对证据体i的支持度，S(i)^r表示标准化后的支持度；

e3.计算各传感器的权重：

其中，p表示融合之前各分类器的检测精度，w表示传感器权重；

e4.修正原始证据体的基本概率分配：

其中，m’表示通过支持度、原始证据体和传感器权重修改后的证据体；

e5.用传统D-S证据理论的融合规则将原始证据体的基本概率分配的平均值和修正后的基本概率分配进行融合：

其中，n表示证据体个数，m*表示原始证据体的平均值，K表示冲突因子。

2.根据权利要求1所述的基于混合分类器的齿轮单类型故障检测方法，其特征在于，步骤c中，特征提取具体为：计算每段小波频带的小波包系数的均方根值，并将其作为特征。

3.根据权利要求1所述的基于混合分类器的齿轮单类型故障检测方法，其特征在于，步骤d中，分类器训练具体为：通过单类型故障检测的规则训练随机森林分类器，然后利用测试集的数据评估训练的模型。