[发明专利]一种滚动轴承健康退化状态辨识方法

权利要求书

1.一种滚动轴承健康退化状态辨识方法，包括以下步骤：

步骤1，获取滚动轴承的历史监测信号，对监测信号进行去奇异值处理和降噪处理；

步骤2，对步骤1处理后的监测信号进行时域分析和功率谱分析，分别提取监测信号的时域特征和功率谱特征；然后进行CEEMDAN分解，得到监测信号的各个本征模态分量，计算每个本征模态分量的能量值并作为滚动轴承健康退化状态的本征模态能量特征；

步骤3，利用步骤2获得的监测信号的时域特征、功率谱特征和本征模态能量特征对聚类支持向量机CSVM模型进行训练，获得训练好的CSVM模型；

步骤4，针对在线实时采集的滚动轴承的监测信号，按照步骤2分别提取监测信号的时域特征、功率谱特征和本征模态能量特征，输入到步骤3中训练好的CSVM模型中，获得滚动轴承当前的健康退化状态辨识结果。

2.根据权利要求2所述的滚动轴承健康退化状态辨识方法，其特征在于，所述步骤3中CSVM模型的训练过程如下：

步骤3.1，给定训练数据集S＝{x₁,x₂,…,x_n}，其中x_n∈R^γ×1，γ表示步骤2中所有提取的特征的总数目；

步骤3.2，所有训练样本首先根据K均值聚类算法分类为l个簇；

步骤3.3，在每个簇中训练线性SVM分类器，表示为：

其中，g_l(x)表示第l个簇中的线性SVM分类器，x表示第l个簇中的样本，为缩略表达，其实际值表示为其中是权重向量，b为偏置；

步骤3.4，最终，CSVM模型被定义为

其中，C_l∈{C₁,C₂,...,C_m}表示第l个簇对应的滚动轴承的健康退化状态，1(·)为指示函数；

步骤3.5，为CSVM模型构建一个全局正则化函数，表示为：

其中，ω表示一个全局参考权重向量，λ是ω的权重，表示松弛变量，C为松弛变量系数，表示全局正则化，其中每个簇的线性SVM的权重向量ω_l与CSVM模型中的ω对齐，表示l取任意值，和分别表示第l个簇中的样本的数值与标签值，其中i＝1,2,…,n_l，n_l表示第l个簇中的样本总量。