基于LVQ神经网络的行星轮系故障退化状态识别#范彬，胡茑庆，程哲**510（国防科学技术大学装备综合保障技术重点实验室，长沙410073）摘要：为确保设备安全可靠的运行，减少事故的发生，降低由设备故障或失效造成的经济损失，故障预测与健康管理技术已经受到了越来越多的重视。其中退化状态识别作为故障预测的基础和起点，是PHM的关键环节之一，直接关系到设备故障预测的可靠性，并影响相应维护策略的制定。本文针对行星轮系的退化状态识别问题，首先对多种时频域预测特征进行评估处理，然后引入学习矢量量化神经网络，利用选择出的预测特征直接应用于行星轮系的退化状态识别，最后以行星轮系缺齿故障数据对该方法进行验证。实验结果表明本文算法能够较好的识别出多级退化状态，可为进一步的故障预测提供有益参考。关键词：机械电子工程；退化状态识别；预测特征；神经网络；学习矢量量化中图分类号：TP183，TP20615FaultDegradationStateRecognitionforPlanetaryGearSetBasedonLVQNeuralNetworkFANBin,HUNiaoqing,CHENGZhe(LaboratoryofScienceandTechnologyonIntegratedLogisticsSupport,NationalUniversityof2025303540DefenseTechnology,ChangSha410073)Abstract:Inordertoensurethesafetyandreliableoperationofequipment,reduceaccidentsandeconomiclosscausedbythemechanicalfaultorfailure,predictionandhealthmanagement(PHM)technologyhasattractedmoreandmoreattention.Asthebasisandstartingpointoffaultprediction,degradationstaterecognitionisoneofthekeystepsofPHM,whichdirectlyaffectthereliabilityoftheequipmentfailurepredictionandtheselectionofcorrespondingmaintenancestrategy.Astothedegradationstaterecognitionproblemofplanetarygearset,firstly,selecttheproperprognosisfeaturebyevaluatingvarioustime-frequencyfeatures.Secondly,utilizethelearningvectorquantizationneuralnetworktorecognizedegradationstateofplanetarygearset.Finally,validatetheeffectivelyofpresentedmethodwithpre-plantedchippedfaultexperimentofplanetarygearset.Theresultsshowthattheproposedalgorithmrecognizesthemulti-leveldegradationstateeffectively,andprovideausefulreferenceforsubsequentfaultprediction.Keywords:mechatronicsengineering;degradationstaterecognition;prognosisfeature;neuralnetwork;learningvectorquantization0引言机械动力传动系统作为武器装备、交通运输、电力、石化等领域应用广泛的一类重要机械设备，在国防与国民经济领域中发挥着重要作用。随着工业及科技水平不断提高，机械动力传动系统正朝着自动化、精密化和智能化方向发展，结构越来越复杂，但工作环境通常比较恶劣，其运行安全性、可靠性问题突出，一旦机组设备发生故障将损失巨大。因此，故障预测与健康管理技术已在多个领域受到了广泛关注。检测早期故障，及时排除事故隐患；识别设备当前的健康状态，合理制定维修计划；估计剩余使用寿命，避免事故发生，最大程度发挥设备效能，是PHM技术要实现的三个目标。其中，退化状态识别既是剩余使用寿命预基金项目：高等学校博士学科点专项科研基金(20114307110017)作者简介：范彬，（1985-），男，博士生，状态监控与故障诊断。通信联系人：胡茑庆，（1967-），男，教授，主要研究方向：状态监控与故障诊断，装备综合保障。hnq@nudt.edu.cn-1-入层和竞争层之间的权值矩阵为W1=(w11,w12,Lw1s1)，wii1,wi2,LwiR)。wij1表示第i个竞(w测的前提，而又需要以早期故障检测结果为基础，是承上启下的重要环节[1,2]。行星轮系结构紧凑，体积小，传动比范围大，效率高，是应用广泛的周转齿轮传动系统。455055由于长期连续工作在高载荷、高转速下，容易受到损害和出现故障，导致传动系统无法正常运转，继而产生严重的后果。因此，对行星轮系进行故障退化状态识别是十分有必要的[3,4]。但由于其结构复杂，损伤模式和动态响应有别于定轴齿轮系统，采用一些传统的特征参数往往难以检测和识别行星轮系的典型损伤，而动力学建模难度较大，不...