古莹奎　潘高平　朱繁泷　承姿辛

江西理工大学，赣州，341000



基于邻域属性重要度与主成分分析的齿轮箱故障特征约简

古莹奎潘高平朱繁泷承姿辛

江西理工大学，赣州，341000

摘要：为有效降低齿轮箱故障特征的维数并提高诊断效率，提出了基于邻域属性重要度与主成分分析法相结合的齿轮箱故障特征约简方法，并利用支持向量机和BP神经网络对诊断的准确率进行对比分析。针对齿轮箱中具有不同程度裂纹的齿轮，选取其时域、频域和基于希尔伯特变换的36个特征；将邻域模型引入到特征属性的约简，构造前向贪心算法，以邻域属性重要度较大的9个特征作为特征集，提取累积贡献率达到95%以上的主成分，分别输入支持向量机和BP神经网络分类器中进行分类识别，并与不经过特征优选的主成分特征融合相对比。结果表明，采用基于邻域属性重要度与主成分分析法相结合的特征约简方法，既可以降低齿轮箱故障特征的维数，又不影响对其运行状态的表征，有助于识别不同裂纹水平的齿轮，与不经过特征优选直接进行融合的方法相比，所提出方法诊断准确率更高，训练时间更短。

关键词：齿轮箱；特征约简；邻域决策系统；主成分分析；支持向量机

0引言

由于齿轮箱中齿轮、轴承和轴系的结构较为复杂，工作状况各异，多种故障相互耦合，使得齿轮箱的故障模式与故障征兆之间通常呈现为非线性的映射关系，因而，对齿轮箱进行故障诊断和运行状态分析时，首先要合理提取可有效表征齿轮箱运行状态的特征，并对其进行优选和降维，删除冗余，在此基础上采用合适的方法对所选特征进行融合分析。……