基于多传感器信息融合的齿轮故障识别方法

• 作者: 毛瑞卿 程刚 陈曦晖 马西良
• 来源期刊: 矿山机械
• 学科: 工学
• 关键词: 齿轮 多传感器融合 SOM神经网络 D-S证据理论 故障诊断
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 通用
• 页码范围: 125-130
• 页数: 6页
• 分类号: TH132.41|TH165+.1
• 语种: 中文

摘要

为了在强背景噪声下有效识别齿轮故障,提出了一种多传感器信息融合的识别方法.首先计算多传感器振动信号的小波相关特征尺度熵,并以此作为强噪声背景下齿轮故障特征信息;以各尺度信息熵作为SOM神经网络的输入层,用标准训练样本训练神经网络,齿轮故障类型在竞争层聚类;为了提高识别过程的准确性及完整性,采用多传感器决策层融合技术,构造D-S证据理论识别框架,建立基于统计SOM神经网络识别率的基本信任函数分配方法.每个传感器的子决策作为一条子证据,根据D-S证据理论合成规则及各传感器的基本信任函数分配完成融合识别.试验结果证明,齿轮多传感器信息融合识别方法可以实现强噪声背景下齿轮故障的准确识别,消除识别的不确定性,识别率可达90％以上,是一种有效的齿轮故障识别方法.