本发明涉及一种旋转机械齿轮箱故障数据集优化方法,具体涉及一种基于遗传算法与支持向量机的旋转机械齿轮箱故障数据集优化方法。
背景技术:
齿轮箱是重要工程领域(如:石化产业、航天、机械制造等)的关键设备之一,由于旋转机械设备日趋大型化、高速化和精密化,一旦旋转机械中的齿轮箱发生故障,可能影响石化产品的生产,严重时甚至会发生重大生产安全事故,因此对齿轮箱进行故障诊断研究具有显著的经济效益和社会效益。
由于在实际的石化复杂环境下,振动监测信号往往存在大量的非线性、随机、不可遍历的信息,给故障信号的分析带来很大的困难。
技术实现要素:
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种旋转机械齿轮箱故障数据集优化方法,能快速准确地对齿轮箱故障进行分类预测。
为解决上述技术问题,本发明提供一种旋转机械齿轮箱故障数据集优化方法,其特征在于,包括如下步骤:
1)采集旋转机械齿轮箱振动信号;
2)获取5个无量纲指标和小波能量特征向量;
3)利用遗传算法与支持向量机对齿轮箱故障数据集特征向量进行优化。
进一步的,所述步骤1)具体步骤如下:利用数据采集器采集旋转机械齿轮箱包含的典型故障振动信号。
进一步的,所述步骤2)具体步骤如下:
21)利用小波包对步骤1)采集的振动信号提取小波能量特征向量;
22)计算5个无量纲指标,其计算公式如下;
波形指标:
峰值指标: