陈汤 崔玉莲 冯辅周 吴春志

摘 要：针对于汽车变速箱故障特征信号微弱，且难以对故障类型识别问题，提出了基于多组合分类器的故障诊断方法。首先该方法将原始振动信号采用经验模态分解（Empirical Mode Decomposition，EMD）、变分模态分解（Variational Mode Decomposition，VMD）以及提升小波变换（Lifting Wavelet Transform，LWT） 进行分解得到多个分量信号，再在对每个分量信号求取特征参量组成特征向量集，输入到K近邻分类器（k-Nearest Neighbor，kNN）、逻辑回归分类器（Logical Regression Multi-Classification，LRMC）以及随机森林分类器（Random Forest，RF）中，以此判断故障类型。最后经过汽车变速箱故障模拟试验台的数据验证，经过分类器性能评价指标验证，基于LWT-RF模型的故障诊断方法具有最高的准确率、精确率、F1-score。

关键词：汽车变速箱;特征参量集;故障诊断

1 引言

汽车变速箱作为汽车传动装置的核心部件，其主要由行星齿轮系组成。由于其工作环境多变、结构复杂等特点，往往导致在使用过程中出现齿轮严重磨损、裂纹、断齿等机械故障，导致设备无法正常运转，将严重影响汽车的机动性能。目前对行星变速箱的故障诊断技术方法的研究中，基于振动信号的故障监测和诊断技术应用比较广泛，相关理论和实践也都比较成熟，主要通过对行星变速箱运行过程中产生的振动信号进行采集和收集，并通过一定的信号分析处理技术对行星变速箱的状态进行监测和诊断。

汽车变速箱的故障诊断难度较大，主要原因是其振动信号的传递途径复杂，信号提取困难，信号分析过程难以提取特征，使得设备的故障诊断很难准确快速地进行。……