张业林，程 刚，成钰龙，张 帅，邱锦波

（1.中国矿业大学 机电工程学院，徐州 221116；2.天地科技股份有限公司 上海分公司，上海 200021）

0 引言

齿轮传动具有效率高、结构紧凑、工作可靠、寿命长、传动比稳定等优点，齿轮传动是机械传动中重要的传动方式之一，其运行状态对机械设备的工作性能影响很大，旋转机械大约10%的故障是由齿轮引起的，而在传动系统中因齿轮引起的故障则占80%。因此，齿轮的诊断技术得到了广泛的重视。

在目前的诊断技术中振动分析是最常用的方法[1]，振动信号易于提取并且携带着机械设备重要的动力学信息。早期的齿轮故障信息夹杂着许多噪声[2]，因此需要精准的信号分析方法。小波变换具有信号降噪的功能，常被用作信号特征向量的提取方法。小波包分析是在小波变换的基础上，在细节中寻找有序性，把其中的规律筛选出来，提供一种更加精细的信号分析方法[3]。SOM神经网络能将输入空间的样本模式类别有序地映射在输出层。本文提出小波包分析和SOM神经网络相结合的齿轮故障诊断方法。该方法首先用小波包分析提取信号能量特征值，将提取的特征值输入到SOM分类器中进行故障模式分类和识别。

1 基于小波包和SOM网络的分析方法

小波包不仅对尺度空间Vj同时也对小波空间Wj进行进一步的分解，并能根据被分析信号的特征，自动地选择相应频带，使之与信号频谱相匹配[4]。

SOM网络也称Kohonen网络，它是由荷兰学者Teuvo Kohonen于1981年提出的[5]。该网络是一个由全连接的神经元阵列组成的无教师、自组织、自学习网络，对被控对象的数学模型依赖程度较低，有较强的容错性和非线性模式识别的能力[6]。……