基于小波包与改进BP神经网络的齿轮故障诊断

基于小波包分析和支持向量机的齿轮箱故障诊断方法研究的开题报告一、研究背景和意义齿轮箱是机械设备中运转速度较高、负载较大、运动惯量较大的重要部件，其稳定运行一直是工业生产中的关键问题。

齿轮箱的故障诊断技术是保障工业设备正常运行的重要手段之一。

目前，齿轮箱的故障诊断技术已经得到了广泛的应用，然而，由于齿轮箱作为容易出现故障的机械部件，其故障类型多样，故障形态复杂，因此齿轮箱故障诊断技术的提高仍然是工业生产中的研究热点。

传统的齿轮箱故障诊断方法主要基于频域分析和时域分析等信号处理方法，但这些方法往往不能有效地解决故障信号中存在的复杂非线性特征。

近年来，小波包分析（WPA）和支持向量机（SVM）等新兴研究技术被引入到齿轮箱故障诊断领域中，并已经在某些方面取得了优秀的成果。

因此，本研究将探究基于小波包分析和支持向量机的齿轮箱故障诊断方法，以期提高齿轮箱故障诊断的准确性和精度，为齿轮箱故障快速诊断提供有效的技术支持。

二、研究内容和方法本研究的主要研究内容和方法如下：（1）齿轮箱故障特征提取基于小波包分析，提取齿轮箱故障信号的时频域特征，将其转化为小波包系数，对所提取的小波包系数进行滤波和降噪处理。

（2）特征选择和数据预处理基于SVM分类器，选择有效特征，减少特征集的维度，并对所选特征的数据进行预处理。

（3）基于SVM的齿轮箱故障诊断采用多种不同的SVM模型进行特征分类和齿轮箱故障诊断，选择准确率最高的模型完成齿轮箱故障诊断。

三、研究预期成果通过本研究的实施，预计可以达到以下研究成果：（1）建立一种基于小波包分析和支持向量机的齿轮箱故障诊断模型，提高了齿轮箱故障诊断的准确性和精度。

（2）优化了齿轮箱故障特征提取和特征选择方法，提高了数据预处理的能力和效率。

（3）验证了所建立模型的实用性和有效性，拓展了齿轮箱故障诊断技术的研究和应用领域。

四、研究计划及时间安排本研究时间为两年，计划安排如下：（1）第1年11月-第2年6月：研究文献综述，明确研究目标，确定研究策略和方法。

收稿日期：2019-01-12修回日期：2019-03-11作者简介：罗佳（1981-），女，山西太原人，博士研究生。

研究方向：机械故障诊断。

摘要：行星齿轮箱振动信号在各频段的能量分布与其故障类型有关。

利用Daubecics 小波包将不同故障的振动信号分解到各个频带。

BP 神经网络的输入是各频带的能量———行星齿轮故障的特征向量，用神经网络识别故障类型。

通过实验验证了该方法可以快速、准确地进行故障模式识别，达到良好的预期效果。

利用此方法可以有效解决武装直升机武器系统复杂故障现象问题。

关键词：行星齿轮箱，振动信号，Daubechies 小波包，BP 神经网络，故障模式识别中图分类号：TP277；TJ01文献标识码：ADOI ：10.3969/j.issn.1002-0640.2020.04.033引用格式：罗佳，黄晋英.基于小波包和神经网络的行星齿轮箱故障模式识别技术［J ］.火力与指挥控制，2020，45（4）：178-182.基于小波包和神经网络的行星齿轮箱故障模式识别技术罗佳，黄晋英（中北大学机械工程学院，太原030051）Fault Diagnosis Recognition Technique of Planetary Gearbox Based onWavelet Packet and Neural NetworkLUO Jia ，HUANG Jin-ying（College of Mechanical Engineering ，North University of China ，Taiyuan 030051，China ）Abstract ：The energy distribution of each frequency sub band of vibration signal has relationshipwith the type of planetary gearbox defects.Vibration signals for different faults are decomposed intofrequency sub bands by using Daubechies wavelet packet and the frequency energies as energy features of gearbox are selected.The energy features are then used as inputs to a back propagation neural network classifiers for identifying the fault types of planetay gearbox.The experimental results indicated that the proposed fault diagnosis method is effective and can quickly detect and accurately locate the fault diagnosis.This method can effectively solve the problem of complex armed helicopter weapon system fault phenomenon.Key words ：planetary gearbox ，vibration signals ，Doubechies wavelet packet ，BP neural network ，fault diagnosisCitation format ：LUO J ，HUANG J Y.Fault diagnosis recognition technique of planetary gearbox based on wavelet packet and neural network ［J ］.Fire Control &Command Control ，2020，45（4）：178-182.0引言武装直升机是陆军主战主用型装备，随着武器系统性能逐步提高，结构组成日趋复杂化。

提升小波包和改进BP神经网络相融合的新故障诊断算法谭晓东;覃德泽【摘要】针对传统的小波变换和BP神经网络应用于故障诊断中存在自适应性差、效率低等问题,提出一种提升小波包和改进BP神经网络相融合的新故障诊断算法;利用插值细分思想,设计了提升小渡包的预测算子和更新算子,结合传统小波包算法和提升模式的原理,完成了提升小波包算法的设计,并将该算法应用于故障信号的消噪和能量特征量的提取;利用遗传算法优化标准BP神经网络的初始权值和阈值,采用L-M算法优化标准BP神经网络的搜索方式;以美国凯斯西储大学提供的滚动轴承实验数据,将新算法应用于实验中,分析结果表明:新故障诊断算法比传统的BP神经网络算法具有收敛速度快、诊断精度高等实效性.【期刊名称】《计算机测量与控制》【年(卷),期】2014(022)008【总页数】4页(P2405-2408)【关键词】提升小波包;遗传算法;L-M算法;BP神经网络;故障诊断【作者】谭晓东;覃德泽【作者单位】贺州学院计算机科学与信息工程学院,广西贺州 542899;广西大学广西理工科学实验中心,南宁 530004;贺州学院计算机科学与信息工程学院,广西贺州542899;广西大学广西理工科学实验中心,南宁 530004【正文语种】中文【中图分类】TP206.30 引言故障诊断的准确性主要取决于诊断算法的实效性和先进性，传统小波变换具有较好的时域和频域局部化分析能力，但是，小波变换以预设的单一小波函数作为分解信号的基函数，不能根据信号的特点进行自适应分析［1］。

Sweldens提出的提升小波变换［2］是一种不依赖傅里叶变换的新的小波构造算法，通过预测和更新算子的最优设计匹配特定的信号，具有很好的自适应能力，非常适合非线性故障信号的分析［3］。

提升小波包算法是提升小波算法的拓展，不仅继承了提升小波算法的优点，而且可以将信号频带的低频和高频信号同时进行分解，解决了提升小波算法不能细分高频部分的弊端，有利于非平稳故障信号特征量的提取。

“基于小波分析和神经网络的电机故障诊断方法”研究报告摘要电机是现代工业中最主要的动力能源和驱动设备之一，不仅需要进一步提高电机驱动自动化水平，更要求电机的运行具有很高的可靠性、安全性和稳定性。

本文通过监测电机振动信号对直流电动机故障进行诊断研究，提出了基于小波分析和神经网络的电机故障诊断方法，利用小波变换提取振动信号特征，利用神经网络识别特征，输出电机相应的运行状态。

关键词：故障诊断小波分析神经网络振动信号第一章引言1.1课题的研究背景与研究意义随着现代工业制造的发展，电机巳经成为当今生产活动和日常生活中最重要的原动力和驱动装置。

由于电机大量的应用,使用环境的不同,所驱动的负载也各尽不同等原因，导致了电机故障时有发生，特别是一些运行环境恶劣、负载冲击性很大的场合中运行的电机，其故障率更高。

近些年来,因关键电机设备故障而引起的事故时有发生，造成了惨重的经济损失。

一直以来,针对电机的各种故障，一般都选用成熟、可靠的继电保护措施。

继电保护技术是在电力系统发展背景下产生的，其目的是对电力系统进行保护,避免在电力系统中发生灾难性事故。

继电保护经历了4个发展阶段，第一个阶段是基于电磁式保护装置，第二个阶段是基于晶体管式继电保护装置，第三个阶段是基于集成电路继电保护装置，最后一个阶段是基于微机继电保护装置，也是目前使用最广泛的继电保护装置。

目前继电保护被广泛应用于电机设备系统中，其主要目的是当电机发生故障或异常时,在可能实现的最短时间和最小区域内，自动将电机故障设备从系统中切除，或发出信号由值班人员消除异常工况根源，以避免事故发生恶化。

外表上看,继电保护的作用很明显，但是它并没有从根本上避免事故的发生。

因为只有当事故已经发生时，继电保护才会起作用。

这可能导致一系列问题，比如继电保护可能会突然断开整个生产线中的电源，使整个生产线上的设备突然停电，不会造成其他设备的损害，也会造成一定的经济损失。

正如文献[1]中所描述的：“设备的继电保护,并不意味着能够预防事故的发生，它只能在事故发生后采取行动；它是在悬崖绝壁下的救护车,而不是悬崖顶上保护行人的栅栏。

基于小波包和改进BP神经网络算法的电机故障诊断作者：李春华荣明星来源：《现代电子技术》2013年第15期摘要：为了对电机故障实现智能化诊断，仿真实验中将采取基于故障振动信号的诊断方法。

在实验过程中用小波包分析技术得到故障信号的特征向量。

然后用改进的BP神经网络算法即弹性BP算法（RPROPA）来进行神经网络训练，当误差精度符合要求后，用测试样本数据对神经网络进行检测。

通过Matlab平台进行仿真实验来证明小波包神经网络诊断系统能够实现电动机故障类型的智能化诊断。

从而减轻企业经济负担，为电机操作人员提供更可靠的安全保障。

关键词：故障诊断；小波变换；神经网络；电机中图分类号： TN911.6⁃34 文献标识码： A 文章编号： 1004⁃373X（2013）15⁃0133⁃04 Motor fault diagnosis based on wavelet packet and improvedBP neural network algorithmLI Chun⁃hua1， RONG Ming⁃xing2（1. Heilongjiang University of Science and Technology， Harbin 150027， China；2. School of Electric and Information Engineering， Heilongjiang University of Science and Technology， Harbin 150027， China）Abstract： In order to realize intelligentization of motor fault diagnosis， The fault diagnosis method based on vibration signal was adopted in simulation experiment. In the experiment process，the wavelet packet analysis technique was used to obtain the feature vector of fault signal， and the improved BP neural network algorithm， elastic （RPROPA） BP algorithm， was used for neural network training. When the error accuracy meets the requirement， the test sample data is used to test the neural network. The simulation experiment on Matlab platform show that the wavelet packet neural network diagnosis system can implement the intelligent diagnosis of motor fault， reduce the economic burden of enterprises， and provide a more reliable security assurance for motor operation personnel.Keywords： fault diagnosis； wavelet transform； neural network； motor0 引言在当代工业生产过程中，电动机已经成为了不可或缺的重要动力设备。

小波包分解与神经网络风机齿轮箱故障诊断近年来，随着风力发电技术的飞速发展，风机齿轮箱故障诊断成为了重要的研究方向。

在这个领域中，小波包分解和神经网络技术被广泛应用于故障诊断，取得了显著的效果。

本文将重点介绍小波包分解与神经网络在风机齿轮箱故障诊断中的应用。

一、小波包分解的原理与方法小波包分解是一种将信号分解成一系列特定频率的小波分量的方法。

其基本思想是在小波分解的基础上，进一步分解每个小波分量，从而得到更加精细的频率分量。

小波包分解能够将信号的局部特征更好地展现出来，对于非平稳信号的分析具有很大的优势。

小波包分解的步骤如下：1. 设定小波类型和尺度参数。

2. 对待分解信号进行小波分解。

3. 利用小波包分解得到的小波系数构造小波包树。

4. 通过选择合适的节点进行频率段的降噪和重构。

二、神经网络在风机齿轮箱故障诊断中的应用神经网络是一种模仿人脑神经网络结构和功能的数学模型，具有学习、识别和分类的能力。

在风机齿轮箱故障诊断中，神经网络可以通过学习大量的数据样本，提取特征并建立模型，实现对故障的准确诊断。

神经网络在风机齿轮箱故障诊断中的应用主要分为以下几个步骤：1. 数据采集和预处理：通过传感器采集风机齿轮箱的振动信号，对信号进行滤波和去噪处理，消除噪声的干扰。

2. 特征提取和选择：将预处理后的信号进行特征提取，并利用特征选择方法筛选出最具代表性的特征。

3. 数据集划分和训练：将筛选后的特征组成训练集和测试集，利用训练集对神经网络进行训练。

4. 模型建立和评估：通过训练后的神经网络，对测试集进行预测并评估诊断准确率和性能指标。

三、小波包分解与神经网络在风机齿轮箱故障诊断中的联合应用小波包分解与神经网络技术具有互补优势，在风机齿轮箱故障诊断中的联合应用效果显著。

具体的流程如下：1. 将采集到的风机齿轮箱振动信号进行小波包分解，得到频率分量。

2. 对得到的频率分量进行特征提取，提取能够反映故障特征的信息。

3. 利用特征选择方法筛选出最具代表性的特征。

基于小波包与改进BP神经网络的齿轮故障诊断时建峰;时军;时伟;周明;李增贺【摘要】对齿轮振动信号应用小波包分解提取故障特征向量,并以此作为改进BP 神经网络的输入,对神经网络进行训练,建立齿轮运行状态分类器,用以诊断齿轮的运行状态.结果表明,该方法对齿轮故障诊断十分有效.【期刊名称】《机械研究与应用》【年(卷),期】2011(000)001【总页数】4页(P82-84,87)【关键词】小波包;BP神经网络;齿轮;故障诊断【作者】时建峰;时军;时伟;周明;李增贺【作者单位】石家庄学院,河北,石家庄,050035;北京市第十中学,北京,100072;石家庄学院,河北,石家庄,050035;石家庄学院,河北,石家庄,050035;石家庄学院,河北,石家庄,050035【正文语种】中文【中图分类】TH133.331 引言齿轮是齿轮箱的一个重要组成部分，但也是易于发生故障的一个部件，其运行状态对机械的工作性能有很大影响［1］。

因此，齿轮的故障诊断技术研究得到了广泛关注和重视。

传统的信号时域、频域分析方法为齿轮故障诊断已经打下了坚实的基础，解决了很多实际问题。

但是为了进一步提高故障诊断的准确性和快速性，随着各种新技术的产生，针对齿轮的故障诊断技术也有了新的发展，例如小波变换、神经网络等。

笔者利用小波包分解技术，以每个频段的能量作为故障特征值，再结合目前非线性逼近能力较强的BP 神经网络对特征值进行分类，提出了小波包和BP 神经网络结合的齿轮故障诊断方法。

2 小波包分析和BP 神经网络的基本原理2．1 小波包分析小波包分析是在小波分析的基础上，通过提高高频的分辨率，为信号提供一种更加精细的分析方法。

因此小波包具有更广泛的应用价值。

2．1．1 小波包的定义小波包是小波概念的推广，所谓的小波包简单的说就是一个函数族，由此构造出L2(R)的规范正交基库，从此库中可以选出L2(R)的许多组正交规范基［2，3］。

由式(1)、(2)两尺度方程定义的μn(t)，n=2l或n=2l+1，l=0，1，2，…，称为关于正交尺度函数μn(t)=φ(t)的小波包。