基于改进决策树算法的岸桥起重机减速器状态检测方法技术

本发明专利技术提供一种基于改进决策树算法的岸桥起重机减速器状态检测的方法，用于检测岸桥起重机减速器是否在正常工作，包括：建立一个岸桥起重机减速器状态检测的决策树模型，然后运用决策树模型检测岸桥起重机状态，将振动传感器放置在岸桥起重机减速器上，信号传输到地面控制系统对减速器的振动信号进行预处理、傅里叶变换，得到频率幅值数据，把频率幅值数据送入建立好的岸桥起重机减速器状态检测的决策树模型，决策树模型能对送入的频率幅值数据分类，判断岸桥起重机处在正常、轮齿点蚀、轮齿折断、轴承损坏下的哪种状态，了解减速器的故障状态及时采取措施。

【技术实现步骤摘要】
基于改进决策树算法的岸桥起重机减速器状态检测方法
本专利技术涉及岸桥起重机减速器的故障状态检测方法，特别是一种基于改进决策树算法的岸桥起重机减速器状态检测方法。
技术介绍
航运的快速发展对港口岸桥起重机的工作效率要求越来越高，岸桥起重机是否正常工作直接影响集装箱的吊装效率。岸桥起重机的减速器是岸桥起重机的重要部分，岸桥起重机如果在有故障的状态下工作会影响起重机的正常运行，减速器内部的齿轮、轴承或其他零件产生损伤不易发现，这对岸桥起重机的正常运行存在潜在的影响。而传统的人工检测的方法对岸桥起重机减速器的检测效率低，并且不能对岸桥起重机减速器进行实时检测。决策树是一种基本的分类与回归方法。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。申请公布号为CN109522957A的中国专利公开了一种基于决策树算法的岸桥机械工作状态故障分类方法，该方法采用的决策树的原ID3算法，信息增益为训练元组的熵与训练元组按属性划分的期望信息的差值，这种计算属性的信息增益会有取值较多的属性比取值少的属性信息增益大的问题，倾向于选择取值较多的属性，既多值偏向问题，而属性值较多的属性并不一定是最优的，这会降低分类机械故障的准确度，并且数据量越大、属性的个数越多则建立决策树所用的时间越长。申请公布号为CN110716820A的中国专利提供一种基于决策树算法的故障诊断方法，该方法计算决策树节点的信息增益率采用计算每个类别出现的概率的和作为决策树结点的条件增益率，也会有多值偏向的问题。
技术实现思路
为解决上述决策树算法存在的多值偏向、振动数据量较大时建立决策树需要的时间长的问题，本专利技术提供一种基于改进决策树算法的岸桥起重机减速器状态检测的方法，包括：步骤1：建立模型，收集的岸桥起重机减速器在正常状态以及不同故障状态的数据作为训练集与测试集数据，采用改进的ID3算法，建立一个岸桥起重机减速器状态检测的决策树模型。对建立的岸桥起重机减速器状态检测的决策树模型进行剪枝处理，用测试集数据测试所建立的岸桥起重机减速器状态检测的改进决策树模型的准确度。步骤2：运用决策树模型检测岸桥起重机状态，将振动传感器放置在岸桥起重机减速器上，信号传输到地面控制系统，然后对采集的减速器的振动信号进行自相关卷积以去掉随机干扰噪声，突出周期性信号，对减速器的振动信号进行傅里叶变换，转换成频域信息，得到频率幅值数据，最后把频率幅值数据送入建立好的岸桥起重机减速器状态检测的决策树模型，决策树模型能对送入的频率幅值数据分类，判断岸桥起重机处在正常、轮齿点蚀、轮齿折断、轴承损坏下的哪种状态，如果减速器有故障则可以及时了解并采取措施。所述步骤1中建立岸桥起重机减速器状态检测的决策树模型的方法：通过放置在岸桥起重机减速器上的振动传感器每隔10秒的时间采集这一时间段内的振动数据，采集的数据涵盖岸桥起重机减速器在正常、轮齿点蚀、轮齿折断、轴承损坏等不同状态下的数据作为训练决策树的数据，对采集的减速器的振动信号先进行自相关卷积以去掉随机干扰噪声，突出周期性信号，然后再对减速器的振动信号进行傅里叶变换，转换成频域信息，得到每个小时间段在不同频率下的幅值数据，将傅里叶变换后不同状态下所有时间段内的数据储存并随机分为训练集与测试集。在决策树的建立时采用改进的ID3算法。首先把训练集H按非类别属性L＝{L1,L2,…,Lm}分为集合H1,H2,…,Hm，同时集合Hi(i＝1,2,…,m)又按照类别属性C＝{C1,C2,…,Cn}分为m×n个部分，形成L到C的映射，这种映射为分类矩阵Ax,c，其中aij为同时对应属性值Hi和属性值Cj的实例个数。首先建立分类矩阵Ax,c：其次计算信息增益Gain(Ax,c)，信息增益Gain(Ax,c)与非类别属性信息量Info(X)、互信息量Info(C,T)之间的关系为：Gain(Ax,c)＝Info(X)-Info(C,T)对于给定的训练集H，非类别属性信息量Info(X)为同一个训练集的分类矩阵Ax,c是不变的，在决策树建立时aijlog2aij的值会重复计算，因此先计算aijlog2aij的所有值然后储存到一个数组中，在建立决策树的过程中只需从数组中读取，减少重复计算的次数，减少决策树训练的时间。信息增益表示不确定性减少程度，计算基于分类矩阵的信息增益Gain(Ax,c)的方法为：最后计算加入权重因子的信息增益，使用权重因子t，让分类矩阵的信息增益在[0,1]范围内比较，通过使用分类矩阵与加入权重因子t，能够克服原ID3算法的多值偏向问题，提高决策树算法对起重机减速器的状态分类的准确度。加入权重因子后的分类矩阵的信息增量增益为Q：将频域信息中的不同的频率作为决策树的属性，将每个时间段内不同频率下的幅值和岸桥起重机减速器在这一段时间内的状态分别作为决策树分类的数据和标签，本专利技术能够检测岸桥起重机的状态有正常、轮齿点蚀、轮齿折断、轴承损坏这四种状态，求出振动信号频域信息中幅值在每个频率属性下的信息增益Q，比较不同频率属性下的Q的大小，将信息增益最大对应的频率属性作为决策树的根节点。训练数据经过根节点分类后新形成新的样本集合，对当前样本集合计算所有属性的信息增益Q，选择信息增益最大的属性作为测试属性，把测试属性取值相同的样本划为同一个样本子集，如果样本子集的类别属性只含有单个属性，则分支为叶节点，判断其属性并标记上相应的状态，然后返回调用处；否则对样本子集递归调用本算法，然后按照上面的步骤继续对该节点的分支进行节点的划分，针对每一个分支节点继续进行信息增益Q的计算，如此循环，直到没有新的节点分支，将岸桥起重机减速器的不同故障状态作为决策树的树叶，将岸桥起重机减速器的不同故障状态下频域信息频率幅值的范围作为决策树的节点分类的条件，建立一个岸桥起重机减速器状态检测的决策树模型。所述步骤1中，在决策树创建时由于数据中的噪声及离群点，许多分支是训练数据中的异常，需要对决策树剪枝，采用设置阈值来限制到达节点的样本个数的剪枝方法来处理决策树对数据的过拟合问题。建立决策树后用测试数据测试决策树的分类准确度，检测决策树能否根据一段时间传感器采集的岸桥起重机减速器的实时数据将减速器的状态准确分类。与现有技术相比，本专利技术具有以下有益效果：1.在建立决策树的过程中aijlog2aij的值从数组中读取，不用重复计算，减少决策树训练的时间，缩短建立检测岸桥起重机减速器状态的决策树模型的训练时间；2.在建立决策树的过程中加入权重因子的信息增益，让分类矩阵的信息增益在[0,1]范围内比较，抑制起重机减速器振动数据量较大时决策树分类偏向取值较多的属性，提高岸桥起重机减速器故障状态检测的精度；3.放置在岸桥起重机减速器上的震动传感器将信号传输到地面控制系统，能够实时本文档来自技高网...

【技术保护点】
1.基于改进决策树算法的岸桥起重机减速器状态检测的方法，其特征在于，包含：/n首先建立一个岸桥起重机减速器状态检测的决策树模型，然后运用决策树模型检测岸桥起重机状态，将振动传感器放置在岸桥起重机减速器上，信号传输到地面控制系统，然后对采集的减速器的振动信号进行自相关卷积以去掉随机干扰噪声，突出周期性信号，对减速器的振动信号进行傅里叶变换，得到频率幅值数据，把频率幅值数据送入建立好的岸桥起重机减速器状态检测的决策树模型，决策树模型能对送入的频率幅值数据分类，判断岸桥起重机处在正常、轮齿点蚀、轮齿折断、轴承损坏下的哪种状态，如果减速器有故障则可以及时了解并采取措施；/n所述建立岸桥起重机减速器状态检测的决策树模型的方法：采集的数据涵盖岸桥起重机减速器在正常、轮齿点蚀、轮齿折断、轴承损坏等不同状态下的数据作为训练决策树的数据，通过傅里叶变换，转换成频域信息，建立训练数据与测试数据，将频域信息中的不同的频率作为决策树的属性，将每个时间段内不同频率下的幅值和岸桥起重机减速器在这一段时间内的状态分别作为决策树的数据和标签，用训练集训练决策树模型，建立一个岸桥起重机减速器状态检测的决策树模型；/n把训练集H按非类别属性L＝{L...

【技术特征摘要】
1.基于改进决策树算法的岸桥起重机减速器状态检测的方法，其特征在于，包含：
首先建立一个岸桥起重机减速器状态检测的决策树模型，然后运用决策树模型检测岸桥起重机状态，将振动传感器放置在岸桥起重机减速器上，信号传输到地面控制系统，然后对采集的减速器的振动信号进行自相关卷积以去掉随机干扰噪声，突出周期性信号，对减速器的振动信号进行傅里叶变换，得到频率幅值数据，把频率幅值数据送入建立好的岸桥起重机减速器状态检测的决策树模型，决策树模型能对送入的频率幅值数据分类，判断岸桥起重机处在正常、轮齿点蚀、轮齿折断、轴承损坏下的哪种状态，如果减速器有故障则可以及时了解并采取措施；
所述建立岸桥起重机减速器状态检测的决策树模型的方法：采集的数据涵盖岸桥起重机减速器在正常、轮齿点蚀、轮齿折断、轴承损坏等不同状态下的数据作为训练决策树的数据，通过傅里叶变换，转换成频域信息，建立训练数据与测试数据，将频域信息中的不同的频率作为决策树的属性，将每个时间段内不同频率下的幅值和岸桥起重机减速器在这一段时间内的状态分别作为决策树的数据和标签，用训练集训练决策树模型，建立一个岸桥起重机减速器状态检测的决策树模型；
把训练集H按非类别属性L＝{L1,L2,…,Lm}分为集合H1,H2,…,Hm，同时集合Hi(i＝...

【专利技术属性】
技术研发人员：唐刚，仲从政，邵长专，胡雄，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海;31