[发明专利]滚动轴承故障的高斯过程多特征智能诊断方法

权利要求书

1.一种滚动轴承故障智能诊断方法，其特征在于，所述方法包括：

针对滚动轴承的不同的运行状态，分别提取数据特征，并计算每个运行状态的每个数据特征的类内标准差和类间标准差，随后计算所述类内标准差与所述类间标准差的比值，用数值1减去所述比值所得的结果作为数据特征的敏感度；

针对滚动轴承的不同的运行状态，选择预定数量的数据特征作为敏感特征以构成敏感特征集；

使用所述敏感度构造判断矩阵，计算所述敏感特征的权值，并对敏感特征集中的敏感特征进行加权；

根据加权的敏感特征集来建立高斯过程组合分类模型，以判断滚动轴承故障。

2.根据权利要求1所述的滚动轴承故障智能诊断方法，其特征在于，提取数据特征的步骤包括：对滚动轴承的原始振动数据进行小波包分解，以获得8个分频带信号；对所述原始振动数据进行经验模态分解，以获得8个本征模式分量；从所述原始振动数据、所述分频带信号和所述本征模式分量分别提取数据特征。

3.根据权利要求2所述的滚动轴承故障智能诊断方法，其特征在于，所述数据特征包括无量纲特征和有量纲特征，所述无量纲特征包括偏斜度、峭度、峰值、波形、脉冲以及裕度，所述有量纲特征包括有效值、均值、标准差、方根幅值以及最大值。

4.根据权利要求1所述的滚动轴承故障智能诊断方法，其特征在于，选择预定数量的数据特征作为敏感特征以构成敏感特征集的步骤包括：选择8个敏感度最高的数据特征作为所述敏感特征以构成敏感特征集。

5.根据权利要求1所述的滚动轴承故障智能诊断方法，其特征在于，使用所述敏感度构造判断矩阵的步骤包括：利用所述敏感特征的敏感度两两做比值作为判断矩阵的元素，从而构造判断矩阵。

6.根据权利要求5所述的滚动轴承故障智能诊断方法，其特征在于，所述权值是所述判断矩阵的最大的特征值所对应的特征向量的元素。

7.根据权利要求1所述的滚动轴承故障智能诊断方法，其特征在于，所述滚动轴承的运行状态包括所述轴承的正常状态、内圈故障状态、外圈故障状态以及滚动体故障状态，并且所述高斯过程组合分类模型包括第一高斯过程二分类器、第二高斯过程二分类器和第三高斯过程二分类器。

8.根据权利要求7所述的滚动轴承故障智能诊断方法，其特征在于，所述第一高斯过程二分类器用于判断所述轴承处于正常状态还是故障状态。

9.根据权利要求8所述的滚动轴承故障智能诊断方法，其特征在于，所述第二高斯过程二分类器用于当所述第一高斯过程二分类器的判断结果为所述轴承的故障状态时判断所述轴承处于内圈故障状态还是非内圈故障状态。

10.根据权利要求9所述的滚动轴承故障智能诊断方法，其特征在于，所述第三高斯过程二分类器用于当所述第二高斯过程二分类器的判断结果为所述轴承的非内圈故障状态时判断所述轴承处于外圈故障状态还是滚动体故障状态。