[发明专利]一种泵轴承故障诊断方法

权利要求书

1.一种泵轴承故障诊断方法，其特征在于，包括如下步骤：

信号检测模块对振动信号进行采集，并通过调理电路消除高频干扰；

对采集的故障信号进行多次分解，一次分解得到一个基线信号和一个固有旋转分量，提取多个所述固有旋转分量的RMS作为特征值组成该旋转频率下的故障特征数据集，其中，对所述故障信号的分解采用固有时间尺度分解方法；

对所述故障特征数据集做归一化处理，并构建故障分类模型对轴承故障信号进行模式识别，其中，所述模式识别包括训练阶段和识别阶段；

建立轴承故障数据库。

2.根据权利要求1所述的泵轴承故障诊断方法，其特征在于，所述训练阶段具体包括：

S101.将整理好的故障样本数据集根据故障症状进行划分，并建立训练样本集T＝{x_i，y_i}∈(X×Y)^l，

其中，x_i∈Rⁿ，y_i∈{-1，1}(i＝1,2…,L)，x_i为特征向量；

S102.根据Mercer定理，选取适当的核函数K(x_i，x_j)并给定核参数初值C，构造并求解最优化问题：

得到最优解：

选取a^*的一个正分量并据此计算阈值：

S103.建立训练数据故障样本的最优分类超平面，训练结束。

3.根据权利要求2所述的泵轴承故障诊断方法，其特征在于，所述故障识别阶段具体包括：

S201.将训练阶段得到的支持向量机各参数以及训练样本集送入支持向量机模型中，首先对训练样本数据集进行训练，通过一定的参数优化算法寻求最优的核参数组合；

S202.在步骤S201得到的所述参数组合下对预分类故障样本进行预测，其中分类决策函数

4.根据权利要求1-3任意一项所述的泵轴承故障诊断方法，其特征在于，所述构建故障分类模型步骤之前先做作为LIB-SVM的输入。

5.根据权利要求4所述的泵轴承故障诊断方法，其特征在于，所述建立轴承故障数据库步骤具体包括建立不同型号轴承故障的LIB-SVM诊断模型、及扩展某一型号的故障类别。