数学建模：齿轮箱故障诊断.doc

表单?gearbox00?为齿轮箱正常工况下采集到的振动信号;表单?gearbox10?为故障状态?1?下采集到的振动信号;表单?gearbox20?为故障状态?2?下采集到的故障信号;表单?gearbox30?为故障状态?3?下采集到的故障信号;表单?gearbox40?为故障状态?4?下采集到的振动信号。

1、对齿轮箱各个状态下的振动数据进行分析，研究正常和不同故障状态下振动数据的变化规律及差异，并给出刻画这些差异的关键特征。

这题每个状态有四个指标，即对每个状态的各指标首先做图观察，看看每个状态下的数据变化趋势，明天我简单做做给出部分图和代码，不过用spss或者Excel也是一样可以的。

至于差异的关键特征，对数据进行特征分析即可。代码也简单，主要就是看写论文吧。

2、建立齿轮箱的故障检测模型，对其是否处于故障状态进行检测，并对模型的性能进行评价。?

根据第一问提取的数据特征通过计算故障强度系数再进行后续计算，见下文

《普通公路隧道机电设施故障检测方法研究》

用小波分析法检测故障，见下文

《基于向量自回归模型和小波分析法的列车充电机电流传感器故障检测方法》

3、建立齿轮箱的故障诊断模型，对其处于何种故障状态进行判断，并对模型的性能进行评价。

根据前一问的结果先检测哪些是故障，后用一种基于树形卷积神经网络模型诊断是哪种故障。见下文

《铁路信号联锁故障诊断模型构建及仿真》

4、结合所建立的故障检测和诊断模型对附件?2?中另行采集的?12?组测试数据进行检测和诊断分析，将分析结果填写到下表中(注:测试数据中可能存在除以上?4?种故障之外的故障状态，若存在，则将对应的诊断结果标记为:其它故障)，并将此表格放到论文的正文中

第四问直接运用前两问的模型即可。

明天继续更新，今天时间有点仓促，只能大概提供这一点点。明天我会进行修改和补充，大家有问题评论或私信即可，明天我的课还是比较多的。所以应该周末才会给出详细的思路和部分代码。

一样的，对于数据题我们首先要做的是数据预处理，接下来再进行下面的操作。

关于问题一：

?可以做每组数据的散点图，我这个就给出一张例图。Excel和SPSS都可以做的，SPSS做的估计会更好看一点。Excel好好调参也可以很好看。

做这种图的，第一自己观察看看有没有什么显著差异，第二写论文。这个也算是震动信号数据的一种分析，论文写写就行。

后面的计算有比较多的方法

1、通过计算方差，筛选特征。计算方法参考下文

\o??????数据筛选特征方法-方差法_gao_vip的博客-CSDN博客_方差选择法特征筛选??????数据筛选特征方法-方差法_gao_vip的博客-CSDN博客_方差选择法特征筛选

2、计算特征重要性，取重要性高的那类作为特征。

3、SVD（奇异值分解），这个方法比较好的。大家可以去看看下面这个论文，这一问能搞定。

《SVD曲率谱降噪和快速谱峭度的滚动轴承微弱故障特征提取》

\o常用数据特征提取，时域特征、频域特征、小波特征提取汇总；特征提取；有效matlab代码_入间同学的博客-CSDN博客_小波熵特征提取常用数据特征提取，时域特征、频域特征、小波特征提取汇总；特征提取；有效matlab代码_入间同学的博客-CSDN博客_小波熵特征提取

4、小波分析特征提取

%装入变换放大器输入输出数据

%bf_150ms.dat为正常系统输出信号

%bf_160ms.dat为故障系统输出信号

loadbf_150ms.dat;

loadbf_160ms.dat;

s1＝bf_150ms(1:1000);%s1为正常信号

s2＝bf_160ms(1:1000);%s2为故障信号

%画出正常信号与故障信号的原始波形

tittle(“原始信号’);

Ylabel(s1);

subplot(922);plot(s2);

title(故障信号);

Ylabel(s2);

%============================================

%用dbl小波包对正常信号s1进行三层分解

[t,d]＝wpdec(sl,3,db,shannon);

%plontree(t)%画小波包树结构的图形

%下面对正常信号第三层各系数进行重构

%s130是指信号sl的[3,0]结点的重构系数;其他依次类推

sl30＝wprcoef(t,d,[3,0]);

s13l＝wprcoef(t,d,[3,1]);

s132＝wprcoef(t,d,[3,2]);

sl33＝wprcoef(t,d,[3,3]);

sl34＝wprcoef(t,d,[3,4]);

s135＝wprcoef(t,d