[发明专利]结合遗传算法优化参数和机器视觉的轴承故障检测算法

权利要求书

1.一种结合遗传算法优化参数和机器视觉的轴承内部及端面故障检测算法，其特征在于：包括轴承内部故障检测以及轴承端面故障检测。

2.根据权利要求1所述的一种结合遗传算法优化参数和机器视觉的轴承内部及端面故障检测算法，其特征在于：在轴承内部故障检测上，通过分解小波包，以振动信号小波包分解后各子频带的能量作为轴承内部故障检测特征。

3.根据权利要求1所述的一种结合遗传算法优化参数和机器视觉的轴承内部及端面故障检测算法，其特征在于：在轴承端面故障检测上，对轴承端面进行图像采集，利用机器视觉技术采用中值滤波法对采集到的图像进行滤波处理。

4.根据权利要求2所述的一种结合遗传算法优化参数和机器视觉的轴承内部及端面故障检测算法，其特征在于：在轴承内部故障检测上，在得到特征值后，将特征值通过融合核函数变换，采用权重α，β融合线性核函数与径向基核函数，得到融合核函数K_min＝αK_LINE+βK_RBF。

5.根据权利要求3所述的一种结合遗传算法优化参数和机器视觉的轴承内部及端面故障检测算法，其特征在于：在轴承端面故障检测上，在图像进行滤波处理后，运用Canny算子完成图像的边缘检测，并采用最小二乘圆拟合的方法对检测到的离散边缘点进行圆拟合。

6.根据权利要求4所述的一种结合遗传算法优化参数和机器视觉的轴承内部及端面故障检测算法，其特征在于：在轴承内部故障检测上，在得到融合核函数K_min＝αK_LINE+βK_RBF后，采用采用遗传算法(GA)优化多模态融合参数α，β。

7.根据权利要求5所述的一种结合遗传算法优化参数和机器视觉的轴承内部及端面故障检测算法，其特征在于：在轴承端面故障检测上，采用Otsu法，基于圆环区域得到的阈值，完成故障分割，从而实现轴承端面故障的检测。

8.根据权利要求6所述的一种结合遗传算法优化参数和机器视觉的轴承内部及端面故障检测算法，其特征在于：在轴承内部故障检测上，获得最优参数后，通过支持向量机(SVM)寻找一个最优的分类面，得出多模态核函数条件下非线性SVM分类面，使得特征集合分离开，从而实现轴承内部故障的检测。