Diagnostic de défauts de desserrage des boulons basé sur la reconnaissance des caractéristiques des signaux sonores avec LightGBM

Visant à la forte condition de vibration du moteur hydraulique à piston radial à courbe interne, la connexion par boulon de la base du moteur est facilement desserrée, et il est difficile de distinguer les premiers défauts de desserrage en ligne à temps en utilisant les signaux de vibration. Dans cet article, nous proposons une méthode de diagnostic de défauts de desserrage des boulons basée sur LightGBM pour reconnaître les caractéristiques des signaux sonores, et cette méthode permet une surveillance en ligne des défauts de desserrage des boulons. Grâce à la plateforme de test de récupération d'énergie par vibration, les signaux sonores de quatre forces de précharge de boulon différentes pendant le fonctionnement normal de l'équipement ont été collectés, et la force de précharge du boulon a été augmentée de complètement desserrée 0–60 N m, avec un incrément de 20 N m à chaque fois, et les signaux sonores ont été débruités en utilisant la méthode de débruitage par seuil en ondelettes. Le modèle de diagnostic de défauts de desserrage de boulons LightGBM est construit sur la base du gradient d'échantillonnage unidimensionnel et des algorithmes de regroupement de caractéristiques mutuellement exclusives. En extrayant les caractéristiques temporelles et fréquentielles des signaux sonores débruités, un ensemble de données contenant des étiquettes de signaux normaux et de trois signaux défectueux est généré pour l'entraînement et le diagnostic. Enfin, la précision diagnostique de cette méthode est comparée et vérifiée. Les résultats montrent que l'algorithme LightGBM après débruitage par seuil en ondelettes améliore la précision diagnostique de 2,17 % par rapport au LightGBM sans débruitage et de 5,47 % et 2,21 % par rapport à l'algorithme XGboost avant et après débruitage, respectivement.