一種用于評價齒輪箱故障特征參數優劣的方法
【技術領域】
[0001] 本發明屬于故障診斷領域，具體涉及一種應用于齒輪箱故障特征參數優選的方 法。
【背景技術】
[0002] 齒輪箱是飛機、車等關鍵傳動部件，結構復雜，長期處于高速、交變重載的惡劣環 境下，又由于其無冗余設計，容易產生故障和損壞，其健康狀況直接關系到飛機、車的安全 運行和駕駛人員的生命安全。因此，為了提高飛機、車運行安全性以及防止事故發生就必須 對齒輪箱進行狀態監測和故障診斷。
[0003] 提取敏感、有效的故障特征參數是齒輪箱故障診斷的前提，它直接制約了齒輪箱 故障診斷的效率和準確性。而現有技術缺乏一種有效的方法來提取合適的故障特征參數。
【發明內容】
[0004] 為了對各故障特征參數的優劣有一個定量的評價，從而選擇對各故障模式敏感的 特征，本發明的發明目的在于提供一種用于評價齒輪箱故障特征參數優劣的方法，通過采 用正態分布擬合分別計算特征參數在正常狀態和目標故障模式下的概率密度函數，再利用 不同程度下的故障閾值計算相應的虛警率和故障檢測率，并擬合成R0C曲線，最后對R0C曲 線在（〇，1)區間內積分，計算曲線下方面積作為評價指標，指標越大該特征參數越優。
[0005] 本發明的發明目的通過以下技術方案實現：
[0006] -種用于評價齒輪箱故障特征參數優劣的方法，包括如下步驟：
[0007] 1)提取在正常狀態下的特征參數樣本，并計算正常狀態下的特征參數的概率密度 函數；
[0008] 2)提取與步驟1)相同的特征參數在目標故障模式下的樣本，并計算故障模式下 特征參數的概率密度函數；
[0009] 3)設置故障閾值的上限和下限，并在故障閾值的上限和下限所形成的區間內等間 隔提取101個值作為故障閾值；
[0010] 4)根據特征參數在正常狀態下的概率密度函數和在故障模式下的概率密度函數， 分別計算每個故障閾值的虛警率和故障檢測率；
[0011] 5)以虛警率為自變量，故障檢測率為因變量，根據每個故障閾值得到的虛警率和 故障檢測率，擬合得到特征參數樣本的R0C曲線；
[0012] 6)對R0C曲線在（0,1)區間內積分，計算曲線下方面積作為評價指標。
[0013] 依據上述特征，所述特征參數樣本服從正態分布，并采用點參數估計的方法對特 征參數樣本進行計算，獲得均值和方差，從而獲得計算概率密度函數。
[0014] 依據上述特征，所述R0C曲線通過采用最小二乘二次多項式對各個故障閾值得到 的虛警率和故障檢測率進行擬合后獲得。
【附圖說明】
[0015] 圖1為實施例中正常狀態下特征參數概率分布圖；
[0016]圖2為實施例中目標故障模式下特征參數概率分布圖；
[0017] 圖3為實施例中虛警率及故障檢測率計算結果；
[0018] 圖4為R0C曲線擬合及Index計算結果；
[0019] 圖5為本發明的流程示意圖。
【具體實施方式】
[0020] 下面結合附圖和【具體實施方式】對本發明做進一步說明。
[0021] 如圖5所示，本發明提供了一種可定量評價齒輪箱故障特征參數優劣的方法，采 用了基于R0C曲線的方法，可定量描述不同特征參數對各種故障模式的敏感程度，包含以 下步驟：
[0022] 步驟一：提取特征參數在正常狀態下的樣本Xp x2, L, xn，示某一時刻的特征參 數值。假設正常狀態下的特征參數樣本服從正態分布N(yi， 〇12)，采用點參數估計的方法 計算均值U i和方差〇 /，計算公式為：
> 從而得到正常狀 態下特征參數概率密度函數
，參見圖1。
[0023] 步驟二：提取與步驟一相同的特征參數在目標故障模式下的樣本yi，y2, L，ym，y^ 示某一時刻的特征參數值。假設特征參數樣本服從正態分布N(y2, 〇22)，采用點參數估計 的方法計算均值y2和方差〇 22,計算公式為
。從而得 到目標故障模式下特征參數概率密度函數
，參見圖 2〇
[0024]步驟三：計算故障閾值上限Tmax= max(( y A3X 〇 〇,（ y2+3X 〇 2))，故障閾值 下限 Tmin= min (( y i-3 X o J，（ y 2-3 X o 2))，在區間[Tmin，Tmax]內等間隔提取 101 個點
[0025] 步驟四：針對每一個故障閥值I；，i = 0,1，U〇〇,計算虛警率
，故 障檢測率
，參見圖3。
[0026] 步驟五：以虛警率為自變量，故障檢測率為因變量，{(FApHITlL，（FA 1Q1，HIT1Q1)} 為樣本，對以下方程組求解：
[0028] 得到ROC曲線函數參數值aQ，&1，a2,則ROC曲線函數為HIT = h(FA)= ao+aiFA+afA2,參見圖 4。
[0029] 步驟六：計算特征參數評價指標
，Index值越大，說明該特征 參數對該故障模式敏感度越高，Index值最大的特征參數即該故障模式的最優特征參數，參 見圖4。
[0030] 可以理解的是，對本領域普通技術人員來說，可以根據本發明的技術方案及其發 明構思加以等同替換或改變，而所有這些改變或替換都應屬于本發明所附的權利要求的保 護范圍。
【主權項】
1. 一種用于評價齒輪箱故障特征參數優劣的方法，其特征在于包括如下步驟： 1) 提取特征參數在正常狀態下的樣本，并計算正常狀態下的特征參數的概率密度函 數； 2) 提取與步驟1)相同的特征參數在目標故障模式下的樣本，并計算該目標故障模式 下特征參數的概率密度函數； 3) 設置故障閾值的上限和下限，并在故障閾值的上限和下限所形成的區間內等間隔提 取101個值作為故障閾值； 4) 根據特征參數在正常狀態下的概率密度函數和在故障模式下的概率密度函數，分別 計算每個故障閾值的虛警率和故障檢測率； 5) 以虛警率為自變量，故障檢測率為因變量，根據每個故障閾值得到的虛警率和故障 檢測率，擬合得到特征參數的ROC曲線； 6) 對ROC曲線在（0，1)區間內積分，計算曲線下方面積作為評價指標。2. 根據權利要求1所述的用于評價齒輪箱故障特征參數優劣的方法，其特征在于所述 特征參數服從正態分布，并采用點參數估計的方法對特征參數進行計算，獲得均值和方差， 從而獲得計算概率密度函數。3. 根據權利要求1所述的用于評價齒輪箱故障特征參數優劣的方法，其特征在于所述 ROC曲線通過采用最小二乘二次多項式對各個故障閾值得到的虛警率和故障檢測率進行擬 合后獲得。
【專利摘要】本發明一種用于評價齒輪箱故障特征參數優劣的方法，包括如下步驟：分別計算特征參數在正常狀態和目標故障模式下的概率密度函數；設置故障閾值的上限和下限，并在故障閾值的上限和下限所形成的區間內等間隔提取101個值作為故障閾值；根據特征參數在正常狀態下的概率密度函數和在故障模式下的概率密度函數，分別計算每個故障閾值的虛警率和故障檢測率；以虛警率為自變量，故障檢測率為因變量，根據每個故障閾值得到的虛警率和故障檢測率，擬合得到特征參數的ROC曲線；對ROC曲線在(0，1)區間內積分，計算曲線下方面積作為評價指標。本發明為提取敏感、有效的故障特征參數提供了依據，從而提高了齒輪箱故障診斷的效率和準確性。
【IPC分類】G01M13/02, G06F19/00
【公開號】CN104931255
【申請號】CN201510300723
【發明人】單添敏, 鄭國 , 王景霖, 何召華, 唐林牧, 林澤力
【申請人】中國航空工業集團公司上海航空測控技術研究所
【公開日】2015年9月23日
【申請日】2015年6月4日