占 健， 吴 斌， 王加祥

(上海电机学院 a. 电气学院， b. 商学院， 上海 200240)

基于支持向量机的齿轮箱齿轮故障诊断

占 健a， 吴 斌b， 王加祥a

(上海电机学院 a. 电气学院， b. 商学院， 上海 200240)

通过对风机传动系统中齿轮故障进行模拟试验，构建结构风险最优的支持向量机(SVM)网络，对采集到的电磁速度信号进行快速傅里叶分解，选取高频段的频谱特性作为分量进行样本化学习，完成对齿轮故障样本的训练，使SVM具备分类功能。最后，采用SVM对齿轮箱试验台齿轮故障进行诊断分类识别，取得较好的效果，说明齿轮故障信号高频特性所包含故障信息在整个频谱中的有效性以及SVM作为一种故障诊断方法的实用性。

齿轮； 支持向量机； 故障识别； 故障诊断

齿轮箱作为风机传动系统中的重要组件，主要由齿轮、轴承、轴、箱体及紧固件等部件组成。一般，千瓦级风机齿轮箱多采用三级平行轴结构，兆瓦级风机齿轮箱多用二行星一平行轴的结构。齿轮箱担负转化风能的重任，其故障发生率较高，占风机总故障率的30%，其中齿轮的故障比例达18%[1]；因此，及时完成齿轮故障类型的诊断、有效排除故障，对提高风机运行效率和经济效益有着重要意义。

工业现场中，常通过采集齿轮箱振动信号、扭矩、润滑油(油压、油温、杂质)等来监测其运行状态[2]，并通过时域、频域、时频域分析提取故障特征，为后续的故障诊断、分类提供信息基础。目前，对于故障诊断的研究主要包括3种方法[3-4]: ① 基于模型的诊断方法，即通过已有的理论建立相应的模型来反映系统或组件相关的物理或过程变化；……