基于OOB-SVM的齿轮箱故障诊断技术研究
摘要
船用齿轮箱是船舶动力系统的主要构成部件，具有许多优势特征，主要体现为可
靠性高、具有较强的传动效率、结构十分紧凑以及应用寿命比较长等，即使在空间有
限的条件下，所产生的力矩输出也非常高，因此被广泛应用到船舶行业，发挥出了巨
大的应用价值。在船舶设计中，齿轮箱作为不可缺少的重要驱动设备，具有较大的运
行强度，而且是在恶劣的环境下作业，极易产生较高的故障率。因此，是否具有良好
的可靠性与稳定性，将会对整体的动力系统至整船的性能及安全产生直接影响。在本
次研究中，主要对齿轮箱的齿轮故障展开了深入研究，结合当前存在的故障诊断技术，
提出了一种基于袋外数据(OOB)与麻雀算法（SSA）优化支持向量机(SVM)方法的齿轮
箱故障诊断方法，主要开展了下列研究工作：
首先，由于在采集振动信号时，并不能直接采集到齿轮的振动的信号，一般将加
速度传感器一般安置于齿轮箱体，因此原始信号会受到传递路径和环境噪声的影响。
因此提出采用最小熵解卷积(MED)方法来消除传递路径和环境噪声对原始信号的影响。
其次，在多维度提取振动信号的特征信息，包括时域特征、频域特征和时频域特
征，对于提取到的高维度特征数据集进行基于随机森林袋外估计方法的数据降维精简，
且并不影响后续故障诊断精度。在对齿轮发生故障时的具体故障类型进行判断时，构
建了基于参数优化的支持向量机方法的分类器模型，并通过不同的参数优化方法确定
最佳的支持向量机参数（包括惩罚参数c和核参数g），并从三种算法中比较出麻雀优
化算法的优化性能为最佳。200个测试样本中，只有10测试样本的故障类型预测错误，
故障模式识别的准确率达到了95%。
最后，从工程实际的角度出发，采用MATLAB编程的方式，设计了船用齿轮箱故
障诊断软件系统，为在实际中对齿轮箱内部齿轮进行故障分析和诊断提供了一种有效
的思路。
关键词：齿轮箱；故障诊断；特征提取；支持向量机；随机森林；参数优化
哈尔滨工程大学专业学位硕士学位论文
Abstract
MarinegearboxisthemaincomponentofMarinepowersystem,withmanyadvantages,
mainlyreflectedinhighreliability,strongtransmissionefficiency,verycompactstructureand
relativelylongapplicationlife,etc.Eveninthelimitedspace,thetorqueoutputisveryhigh,so
itiswidelyusedintheMarineindustry,playahugeapplicationvalue.Inshipdesign,gearbox
asanindispensableimportantdrivingequipment,hasalargeoperatingstrength,andis
operatinginbadenvironment,easytoproduceahighfailurerate.Therefore,whetherithas
goodreliabilityandstabilitywillhaveadirectimpactontheoverallpowersystemtothe
performanceandsafetyofthewholeship.Inthisstudy,thegearfaultofgearboxisstudied
deeply.Combiningwiththeexistingfaultdiagnosistechnology,agearboxfaultdiagnosis
methodbasedonout-of-pocketdata(OO