[发明专利]基于多特征流形学习与支持向量机的轴承故障诊断方法

权利要求书

1.基于多特征流形学习与支持向量机的轴承故障诊断方法，其特征在于：步骤如下：

1)在四种不同工况下的滚动轴承转动工作时，通过加速度传感器分别采集每种工况下滚动轴承在不同转速工作的振动加速度信号，进行去噪预处理，并添加工况标签，将经过预处理并添加工况标签后的各种工况下的各个振动加速度信号作为训练样本；四种工况分别为正常运转、轴承内圈故障运转、轴承滚动体故障运转、轴承外圈故障运转；

2)对训练样本的四类工况数据分别提取它们的时域特征参数、频域特征参数和时频域特征参数；时域特征参数包括有量纲参数和无量纲参数，其中有量纲参数为均值、均方根值、方根幅值、绝对平均值、方差、最(小)大值、峰—峰值、峭度；无量纲参数为波形指标、峰值指标、脉冲指标、峭度指标、波峰因子、边缘因子、偏斜度、时域信息熵；频域特征参数为总功率谱和、莱斯频率、频率重心、频率方差、谐波指标、均方频率、频域信息熵；时频域特征参数为小波包能量；

3)对四类工况数据多特征提取之后，再进行流行学习，得到从高维数据特征集中提取隐藏其中的低维流形结构；

4)通过加速度传感器采集待测滚动轴承在转动工作时的振动加速度信号，并进行去噪预处理，作为测试样本；

5)提取测试样本的时域特征参数、频域特征参数和时频域特征参数；时域特征参数包括有量纲参数和无量纲参数，其中有量纲参数为均值、均方根值、方根幅值、绝对平均值、方差、最(小)大值、峰—峰值、峭度；无量纲参数为波形指标、峰值指标、脉冲指标、峭度指标、波峰因子、边缘因子、偏斜度、时域信息熵；频域特征参数为总功率谱和、莱斯频率、频率重心、频率方差、谐波指标、均方频率、频域信息熵；时频域特征参数为小波包能量；

6)按步骤3)对测试样本进行流形学习得到低维流行结构；

7)将测试样本的低维流行结构作为测试样本的匹配特征，将每种工况下各个训练样本对应的低维流行结构作为匹配基准，采用支持向量机分类方法对测试样本与训练样本进行匹配，将与测试样本最为匹配的训练样本所属的工况类别判定为测试样本的工况类别，从而得到待测滚动轴承的故障诊断结果。

2.根据权利要求1所述的基于多特征流形学习与支持向量机的轴承故障诊断方法，其特征在于，第2)步和第5)中各特征参数的提取方法为，

提取时域特征参数中的有量纲参数：将四类机械振动数据分割为g个周期数据y_i，i＝1，2，3，...，g，在时域分别按周期提取8个有量纲参数来反映信号的变化，其中：

均值y‾=1T∫0Tyidt;]]>均方根值yrms=1T∫0Tyi2dt;]]>

方根幅值yτ=[1T∫0T|yi|dt]2;]]>绝对平均值[y‾|=1T∫0τ|yi|dt;]]>

方差Dy=1T∫oT(yi-y‾)2dt;]]>最(小)大值y_max＝max(y_i)，y_min＝min(y_i)；

峰—峰值为y_ff＝y_max-y_min；峭度

在时域分别按周期提取8个无量纲参数来反映信号的变化，其中：

波形指标Sf=yrmsy‾;]]>峰值指标Cf=ymaxyrms;]]>

脉冲指标If=ymax|y‾|;]]>峭度指标Kv=βyrms4;]]>

波峰因子Bf=max|yi|yrms;]]>边缘因子Mf=max|yi|[1T∫0T|yi|dt]2;]]>

偏斜度Pf=1T∫0T(yi-y‾)3dt/yrms3;]]>时域信息熵Ht=-Σi=1Npilogpi;]]>

其中为第i个奇异值在全部奇异值之和中所占的比例；δ_i为原信号高维重构相空间的奇异值；

提取频域特征参数：将四类机械振动数据分割为g个周期数据y_i，i＝1，2，3，...，g，在频域提取7个参数来反映信号的变化；

则其FFT变换的公式为：

s(f)=∫0Tyie-j2πftdt]]>

总功率谱和G_t＝∫s(f)df；莱斯频率

频率重心fc=∫0∞fs(f)2df/Gt;]]>频率方差vf=∫0∞(f-fc)2s(f)df/Gt;]]>

谐波指标H＝f_x/f∫_x：；均方频率

频域信息熵Hf=-Σi=1gqilogqi;]]>

f∫_x：表示x(t)对时间积分再求莱斯频率；频域信息熵H_f定义式中q_i为第i个功率谱值与总功率谱的比值；

时频域特征参数提取过程：利用db4小波包函数对4类机械信号分别进行3层正交小波包分解用以进行时频域特征参数提取，得到这4类信号对应的由全频带均匀划分8个子频带的滤波信号，通过重构每个子频带的节点小波包系数，确保重构信号和原4类机械信号的长度一样，然后计算每个子频带滤波信号的各个采样点的幅值平方和作为其能量，将各个子频带滤波信号的能量与全频带重构信号总能量的比值作为其时频域统计特征，即(E₀/E，E₁/E，...，E₇/E)，其中E₀，E₁，...，E₇分别为8个子频带滤波信号的能量，E为全频带重构信号的总能量；由此针对四类工况信号分别构造了它们的时频域信号，即8个小波包能量信号；

针对获取的四类工况信号，分别构造包括8个有量纲参数和8个无量纲参数的16个时域特征参数、7个频域特征参数、8个时频域特征参数，总共31个特征参数构成滚动轴承信号的特征矩阵。