[发明专利]基于逻辑回归和J散度的滚动轴承故障预诊方法及系统

权利要求书

1.一种基于逻辑回归和J散度的滚动轴承故障预诊方法，其特征在于包括以下步骤：

采集轴承运行时不同故障位置的故障传感数据和正常状态轴承运行的正常传感数据，分别对故障传感数据和正常传感数据进行预处理和特征提取，建立故障位置特征样本和正常状态特征样本；

通过建立好的故障位置的样本和正常状态的样本对逻辑回归模型进行训练，得到逻辑模型参数，建立逻辑回归模型；

采集待测轴承的实时传感数据，对所述实时传感数据进行预处理和特征提取，得到待测轴承的实时状态特征指标，将所述特征指标代入到建立好的所述逻辑回归模型中，经过计算得到待测轴承当前时刻的健康度；

将计算得到的待测轴承当前时刻的健康度和预先设定好的健康度阈值作比较，若待测轴承当前时刻的健康度低于设定的阈值，则通过J散度的故障诊断方法分别计算待测轴承的实时状态特征指标与故障位置特征样本的J散度、正常状态特征样本的J散度，根据故障位置的样本的J散度和正常状态的样本的J散度的大小判断轴承的故障位置，实现对待测轴承的故障诊断。

2.根据权利要求1所述的基于逻辑回归和J散度的滚动轴承故障预诊方法，其特征在于：所述逻辑回归模型获取方法的具体步骤包括，

假设N个独立变量的向量，X^T＝(x₁,x₂,…,x_N),y_i∈{0,1}，y为0或1，逻辑回归模型的数学表达式为：

y_i＝1表示事件发生；y_i＝0表示事件未发生；

p_i(y_i＝1/x_i)表示观测量相对于第i个事件发生的概率，发生的概率取值在0到1之间；

表示回归截距；β₁，β₂，…β_N表示回归系数；回归截距及回归系数通过极大似然估计法来求取。

3.根据权利要求1所述的基于逻辑回归和J散度的滚动轴承故障预诊方法，其特征在于：所述轴承运行时不同故障位置的故障传感数据包括轴承的内圈故障、外圈故障和滚动体故障中的一种或者几种故障传感数据。

4.根据权利要求3所述的基于逻辑回归和J散度的滚动轴承故障预诊方法，其特征在于：所述故障位置的特征样本包括内圈故障特征样本、外圈故障特征样本和滚动体故障特征样本中的一种或者几种故障特征样本。

5.根据权利要求4所述的基于逻辑回归和J散度的滚动轴承故障预诊方法，其特征在于：当故障位置的特征样本为内圈故障特征样本、外圈故障特征样本和滚动体故障特征样本时，所述通过J散度的故障诊断方法分别计算待测轴承的实时状态特征指标与故障位置特征样本的J散度、正常状态特征样本的J散度，根据故障位置的样本的J散度和正常状态的样本的J散度的大小判断轴承的故障位置，实现对待测轴承的故障诊断，过程如下，

通过公式J散度公式：分别计算实时轴承状态的特征指标与内圈故障特征样本、外圈故障特征样本、滚动体故障特征样本、正常状态特征样本之间的J散度，得到四个J散度值，分别为：散度值J₁，散度值J₂，散度值J₃，散度值J₄，J散度公式中，S为正常状态信号的特征值；τ为未知状态信号的特征值；J(s,τ)为两者之间的J散度，N为信号特征值的个数，i为信号特征值的序列；

对比散度值J₁、散度值J₂、散度值J₃和散度值J₄，找出四个J散度值中的最小值，散度值越小，则轴承当前时刻状态与预设的预先设定好的健康度阈值对应的状态越相近，通过散度值的大小来确定轴承的故障类型。