汽车变速器新产品故障诊断机器学习方法研究

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 自动化系统研究室

题名	汽车变速器新产品故障诊断机器学习方法研究
作者	周晓锋
学位类别	博士
答辩日期	2012-05-31
授予单位	中国科学院沈阳自动化研究所
授予地点	中国科学院沈阳自动化研究所
导师	史海波
关键词	故障诊断变速器阶次分析遗传算法支持向量机
其他题名	Research on Machine Learning for Mobile Transmission Products Fault Diagnosis
学位专业	机械电子工程
中文摘要	变速器是汽车的主要部件之一，其可靠性直接影响着汽车的整体性能指标。随着我国汽车工业的发展，为了提高生产效率，变速器新产品的故障检测工作应逐渐由自动化的计算机系统来代替传统的人工检测。因此，研发一种高效的变速器故障诊断系统迫在眉睫。该系统在提高检测效率的基础上，不但可以代替人工检测出有故障的不合格变速器产品，而且可以比人工检测更为精准的判断出故障原因，定位出故障部位，从而指导不合格变速器的维修工作并为变速器的质量跟踪和产品改进提供有力依据。本文针对变速器新产品在线检测问题，主要进行了两个方面的研究工作：针对变速器故障诊断的理论研究和变速器故障诊断系统的设计开发验证工作。针对变速器故障诊断的理论研究主要从以下三个方面展开：（1）变速器故障特征提取方法研究。首先分析了近期旋转机械故障诊断中几种常用的故障特征提取方法：频谱分析、小波分析、经验模式分解方法和阶次分析方法，论述了每种方法的优缺点。然后根据变速器新产品故障诊断的特点，提出了基于阶次分析的故障特征提取方法。通过等角度采样、分轴计算、角域同步平均计算、阶次谱计算，利用同步采集的转速信号将振动信号由时域信号转化为反应变速器阶次信息的阶次域信号。最后选择三个能敏感的反应故障信息的时域特征指标与阶次域特征向量集共同组成了变速器故障特征向量集，完成故障特征提取工作。（2）变速器故障特征选择方法研究。由于特征选择后得到的特征向量集中特征数量过多，一方面会影响学习算法的效率，一方面由于冗余特征的存在会降低学习算法的准确率。因此本文提出了一种基于遗传搜索算法的特征选择策略。该方法以类内类间距离与惩罚系数的乘积做为特征评价准则，以改进的遗传算法作为搜索策略进行最优特征子集的搜索，最终得到了精简后的近似最优解。（3）变速器故障分类方法研究。针对变速器故障分类判别中先验知识不完备、前期训练样本偏少，对实时性要求较高的特点，选取了支持向量机理论来解决变速器故障分类问题。在分析了支持向量机理论基础和原理之后，建立了二层多分类支持向量机结构模型，并针对正反例样本数量不平衡的特点，对支持向量机算法进行了改进，通过对惩罚因子的调整，解决了判别结果偏向于样本数多的类别的问题，得到了满意的判别结果。针对变速器新产品故障诊断系统的分析设计和实施过程中遇到的问题，从系统实施方面对以下关键技术进行了研究：（1）数据同步采集。针对转速信号和振动信号的同步采集问题，提出了一种解决方案。该方案不同于以往的以振动信号采集卡作为主控卡的方式，从阶次分析计算的需要入手，以转速信号采集卡作为主控卡，根据变速器输入轴的旋转周期作为数据采集长度的依据，实现了两路信号的同步采集。（2）振动传感器测点位置分析。通过对变速器壳体上各个采集位置采集到的信号进行分析和评价，从十几个备选位置中选择了一个最优位置作为传感器安装位置，保证了采集到的信号质量。（3）通用的变速器结构建模和参数存储。为实现系统的通用性，设计了通用的变速器结构模型，可存储不同型号不同结构的变速器齿轮和轴承参数。设计并实现了参数管理系统用于存储变速器故障诊断系统运行所需要的各种计算和硬件参数，可满足变速器性能试验台上不同工况下的诊断工作。（4）故障诊断系统与变速器性能试验台之间的通讯模块的设计。变速器故障诊断系统在运行中，需要实时接收变速器性能试验台发送的各种指令并作出应答，才能实现诊断过程的自动化。文本在分析了交互过程后，设计了通讯模块的工作流程，并完成了该模块的实施。（5）给出了变速器故障诊断软件的整体设计概要并展示了各部分功能。
索取号	TP18/Z78/2012
语种	中文
公开日期	2012-07-27
分类号	TP18
内容类型	学位论文
源URL	[http://ir.sia.ac.cn/handle/173321/9325]
专题	沈阳自动化研究所_自动化系统研究室
推荐引用方式 GB/T 7714	周晓锋. 汽车变速器新产品故障诊断机器学习方法研究[D]. 中国科学院沈阳自动化研究所. 中国科学院沈阳自动化研究所. 2012.