张　亮，陈志刚，杨建伟，汪耀林

(1.北京建筑大学 北京市建筑安全监测工程技术研究中心，北京　100044；2.中原输油气分公司，山东 德州　253052)



基于决策树与多元支持向量机的齿轮箱早期故障诊断方法

张亮1，陈志刚1，杨建伟1，汪耀林2

(1.北京建筑大学 北京市建筑安全监测工程技术研究中心，北京100044；2.中原输油气分公司，山东 德州253052)

齿轮箱部件的故障形式多样，典型故障训练样本数量有限；为了提高齿轮箱故障诊断的精度和效率，提出了基于决策树与多元支持向量机的齿轮箱早期故障诊断方法；利用决策树分类速度快、效率高的优点和支持向量机在小样本二元分类方面突出的特点构建多元分类识别模型，在不同故障情形下提取齿轮箱振动信号典型特征参数作为故障特征向量训练模型，并对样本进行测试；实验结果表明，该方法在小样本情况下识别效果明显优于神经网络方法，同时在识别效率方面比常规多元支持向量机方法有了较大的提高。

齿轮箱; 决策树; 支持向量机; 故障识别; 神经网络

0　引言

齿轮箱作为传递动力的常用装置广泛地应用于各种工程机械上。在绝大多数工程施工场合下，由于设备工作强度大、环境恶劣，齿轮箱容易受到损伤，发生故障的概率较大[1]。齿轮、轴、轴承都是齿轮箱中的易损零件，据统计约有80%的机械故障是由它们的损坏而引起[2]。其中，齿轮是较早容易出现损坏的零件。由于早期故障的特征信号能量变化微弱，特征参数的提取困难和表征不明显对诊断模型的要求更严格。……