本发明涉及故障诊断方法领域，尤其涉及一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法及系统。
背景技术：
1、皮带机是煤矿生产中的主要设备，常常为了适应不同工作环境而进行升级和改造。可控启动传输（cst）传动装置因提供了高可靠性、稳定性好以及能有效延长皮带机使用寿命等优点，使其在长距离、大功率的皮带机中得到了广泛应用。但由于cst通常处于温度高、湿度大、易腐蚀的工作环境，且它对油质的要求较高，在实际生产中容易出现油温过高、冷却泵故障、润滑压力过低等故障。
2、目前，对于皮带机传动装置的故障诊断，大多采集单一的振动信号作为诊断依据。在机械设备的故障诊断过程中，单一传感器可能无法提供足够的信息来准确诊断故障，尤其是在复杂系统中。
3、当对机械设备进行故障诊断时，由于收集的机械设备运行数据过多，会造成数据冗余，增大运算量。
4、bp神经网络在故障诊断方面具有一系列的优势，这些优势使其成为该领域的重要工具。但是bp神经网络的权值和阈值是经过随机初始化得到的，会导致模型易于陷入局部最优，模型效果达不到最佳状态。
技术实现思路
1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
2、鉴于上述现有存在的问题，提出了本发明。
3、因此，本发明解决的技术问题是：在机械设备的故障诊断过程中，单一传感器可能无法提供足够的信息来准确诊断故障；当对机械设备进行故障诊断时，由于收集的机械设备运行数据过多，会造成数据冗余，增大运算量；bp神经网络易于陷入局部最优，模型效果达不到最佳状态。
4、为解决上述技术问题，本发明提供如下技术方案：一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法及系统，包括数据采集模块通过振动传感器和油液传感器采集皮带机传动装置运行状态的参数数据；数据预处理模块对振动信号和油液信号进行特征提取，并采用主成分分析法pca对振动特征集和油液特征集进行降维融合；故障诊断模块提取降维融合后的故障特征集，输入到ga-bp神经网络故障诊断模型中对皮带机传动装置进行故障诊断。
5、作为本发明所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法的一种优选方案：所述数据采集模块通过振动传感器和油液传感器采集皮带机传动装置运行状态的参数数据，用于故障诊断，所述皮带机传动装置运行状态的参数数据包括：行星齿轮箱x方向的振动信号、行星齿轮箱y方向的振动信号、平行齿轮箱x方向的振动信号、平行齿轮箱y方向的振动信号、润滑油的温度、润滑油的金属磨粒直径、润滑油的介电常数、润滑油的含水率。
6、作为本发明所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法的一种优选方案：所述数据预处理模块包括振动特征提取单元、油液特征提取单元、主成分分析单元。
7、所述振动特征提取单元用于对采集到的振动信号进行降噪及特征提取；
8、所述油液特征提取单元用于对采集到的油液信号进行特征提取；
9、所述主成分分析单元用于对振动特征集和油液特征集进行降维和融合。
10、作为本发明所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法的一种优选方案：所述振动特征提取单元利用小波包分解对振动信号进行降噪及特征提取，步骤如下：
11、步骤1、振动传感器采集得到的皮带机传动装置原始振动信号为s对该信号进行n层分解，每次分解均得到对应的高频和低频信号，因此可得到2n个频带，(i,j)表示第i层的第j个节点，i=1,2,…,n，j=0,1,2,…,2n-1，并设xi,j为第(i,j)节点的小波包分解系数；
12、步骤2、对最下层的小波系数xn,j分别进行重构，得到对应的重构信号为sn,j；
13、步骤3、求解最下层频带能量值；
14、步骤4、将各频段的能量组成一个向量t。
15、t则为求得的振动特征集。
16、作为本发明所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法的一种优选方案：所述主成分分析单元用于对振动特征集和油液特征集进行降维和融合，步骤如下：
17、步骤1、首先把原来的矩阵归一化，按列计算均值和标准差；
18、步骤2、数据标准化之后，计算标准化样本的协方差矩阵；
19、步骤3、计算协方差矩阵的特征值和特征向量，并按从大到小的顺序进行排序。特征值表达式为：
20、（1）；
21、特征向量表达式为：
22、（2）；
23、步骤4、计算主成分的贡献率以及累计贡献率；
24、步骤5、写出主成分i，取累计贡献率超过90%的特征值所对应的第一、第二、...、第m（m≤p）个主成分。
25、主成分i组成的向量即为振动特征集和油液特征集降维融合后的特征集。
26、作为本发明所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法的一种优选方案：所述故障诊断模块包括状态预测单元、故障报警单元、故障记录单元。
27、所述状态预测单元采用ga-bp神经网络对皮带机传动装置进行故障诊断；
28、所述故障报警单元用于触发警告信号，提醒用户设备出现故障；
29、所述故障记录单元用于记录故障的详细信息，如故障类型、发生位置。
30、作为本发明所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法的一种优选方案：所述状态预测单元采用ga-bp神经网络对皮带机传动装置进行故障诊断，利用遗传算法ga优化bp神经网络，步骤如下：
31、步骤1、采用实数编码建立初始种群，通过权值、阈值与模型节点的关系，确定初始种群的数目；
32、步骤2、进行选择、交叉和变异，产生下一代种群，计算新种群的个体适应度值，选择适应度最优解对应的染色体所对应的权值和阈值；
33、步骤3、将优化得到的权值和阈值带入到bp神经网络中，利用归一化后的训练样本进行反复训练，将训练得到的优化权值和阈值以及网络结构保存，形成皮带机传动装置故障诊断模型。
34、作为本发明所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断系统的一种优选方案：数据采集模块通过振动传感器和油液传感器采集皮带机传动装置运行状态的参数数据；
35、通讯模块用于连接其他各模块，在模块间进行数据传输；
36、数据预处理模块对振动数据和油液数据进行特征提取，并采用主成分分析法pca对振动特征集和油液特征集进行降维融合；
37、故障诊断模块提取降维融合后的特征集，输入到ga-bp神经网络故障诊断模型中对皮带机传动装置进行故障诊断。
38、作为本发明所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断系统的一种优选方案：所述数据预处理模块（3）包括振动特征提取单元、油液特征提取单元、主成分分析单元。
39、所述振动特征提取单元用于对采集到的振动信号进行降噪及特征提取；
40、所述油液特征提取单元用于对采集到的油液信号进行特征提取；
41、所述主成分分析单元用于对振动特征集和油液特征集进行降维和融合。
42、作为本发明所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断系统的一种优选方案：所述故障诊断模块包括状态预测单元、故障报警单元、故障记录单元。
43、所述状态预测单元采用ga-bp神经网络对皮带机传动装置进行故障诊断；
44、所述故障报警单元用于触发警告信号，提醒用户设备出现故障；
45、所述故障记录单元用于记录故障的详细信息，如故障类型、发生位置。
46、本发明的有益效果是：
47、本发明将主成分分析法、遗传算法与bp神经网络相结合，解决了现有技术中单一传感器无法提供足够的信息来准确诊断故障、采集的数据过多会增大运算量、bp神经网络模型效果达不到最佳状态的问题——本发明综合利用来自不同传感器或数据源的信息，提高了故障检测和诊断准确性。运用主成分分析法对大量的原始特征信号进行降维处理，通过降维来简化数据集，同时尽可能保留原始数据的重要信息，减少了算法的计算负担，加快了处理速度，有助于提高后续分析的效率和准确性。利用遗传算法优化bp神经网络的初始权值和阈值，提升了模型的效果，解决局部最优问题，提高了网络训练精度和训练速度。
1.一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法，其特征在于，包括：
2.如权利要求1所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法，其特征在于：所述数据采集模块（1）通过振动传感器和油液传感器采集皮带机传动装置运行状态的参数数据，用于故障诊断，所述皮带机传动装置运行状态的参数数据包括：行星齿轮箱x方向的振动信号、行星齿轮箱y方向的振动信号、平行齿轮箱x方向的振动信号、平行齿轮箱y方向的振动信号、润滑油的温度、润滑油的金属磨粒直径、润滑油的介电常数、润滑油的含水率。
3.如权利要求1所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法，其特征在于：所述数据预处理模块（3）包括振动特征提取单元（31）、油液特征提取单元（32）、主成分分析单元（33），所述振动特征提取单元（31）用于对采集到的振动信号进行降噪及特征提取；所述油液特征提取单元（32）用于对采集到的油液信号进行特征提取；所述主成分分析单元（33）用于对振动特征集和油液特征集进行降维和融合。
4.如权利要求3所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法，其特征在于：所述振动特征提取单元（31）利用小波包分解对振动信号进行降噪及特征提取，步骤如下：
5.如权利要求3所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法，其特征在于：所述主成分分析单元（33）用于对振动特征集和油液特征集进行降维和融合，步骤如下：
6.如权利要求1所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法，其特征在于：所述故障诊断模块（4）包括状态预测单元（41）、故障报警单元（42）、故障记录单元（43），所述状态预测单元（41）采用ga-bp神经网络对皮带机传动装置进行故障诊断；所述故障报警单元（42）用于触发警告信号，提醒用户设备出现故障；所述故障记录单元（43）用于记录故障的详细信息，如故障类型、发生位置。
7.如权利要求6所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断方法，其特征在于：所述状态预测单元（41）采用ga-bp神经网络对皮带机传动装置进行故障诊断，利用遗传算法ga优化bp神经网络，步骤如下：
8.一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断系统，其特征在于，包括：
9.如权利要求8所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断系统，其特征在于：所述数据预处理模块（3）包括振动特征提取单元（31）、油液特征提取单元（32）、主成分分析单元（33），所述振动特征提取单元（31）用于对采集到的振动信号进行降噪及特征提取；所述油液特征提取单元（32）用于对采集到的油液信号进行特征提取；所述主成分分析单元（33）用于对振动特征集和油液特征集进行降维和融合。
10.如权利要求8所述的一种基于pca-ga-bp神经网络的皮带机传动装置故障诊断系统，其特征在于：所述故障诊断模块（4）包括状态预测单元（41）、故障报警单元（42）、故障记录单元（43），所述状态预测单元（41）采用ga-bp神经网络对皮带机传动装置进行故障诊断；所述故障报警单元（42）用于触发警告信号，提醒用户设备出现故障；所述故障记录单元（43）用于记录故障的详细信息，如故障类型、发生位置。
