[发明专利]一种滚动轴承故障诊断方法

权利要求书

1.一种滚动轴承故障诊断方法，其特征在于，包括以下步骤：

采集滚动轴承的不同故障状态信号；

利用广义复合多尺度加权排列熵算法GCMWPE进行故障特征提取，从多个尺度上全面构造滚动轴承高维故障特征集；

利用监督等度规映射流形学习算法S-Isomap对高维故障特征进行降维处理，获取其低维故障特征集；

利用低维故障特征集对粒子群优化支持向量机PSO-SVM进行训练，利用训练好的粒子群优化支持向量机PSO-SVM进行故障诊断；

所述利用广义复合多尺度加权排列熵算法GCMWPE进行故障特征提取，从多个尺度上全面构造滚动轴承高维故障特征集具体为：利用广义复合多尺度加权排列熵算法GCMWPE对每组振动信号进行熵值特征提取，构建原始高维特征集；

所述利用广义复合多尺度加权排列熵算法GCMWPE对每组振动信号进行熵值特征提取，构建原始高维特征集具体包括以下步骤：

步骤S11：对不同故障状态信号的时间序列X＝{x₁,x₂,...,x_N}，采用下式计算出广义复合粗粒化序列

式中，表示尺度s下的第k个广义复合粗粒化序列，s为尺度因子，τ为时延，N为时间序列长度；

步骤S12：对于每个尺度因子s，分别计算每个广义复合粗粒化序列的WPE值；

步骤S13：均化同一尺度下多个WPE值，得到对应故障信号在s尺度下的GCMWPE值，对应表达式如下：

m表示嵌入维数。

2.根据权利要求1所述的一种滚动轴承故障诊断方法，其特征在于，所述采集滚动轴承的不同故障状态信号具体为：利用加速度传感器采集滚动轴承在正常状态、外圈故障状态、内圈故障状态和滚动体故障状态下的径向振动加速度信号。

3.根据权利要求1所述的一种滚动轴承故障诊断方法，其特征在于，设置GCMWPE参数如下：设置时间序列长度N为采样点个数，尺度因子s＝20，时延τ＝1，嵌入维数m＝6。

4.根据权利要求1所述的一种滚动轴承故障诊断方法，其特征在于，所述利用低维故障特征集对粒子群优化支持向量机PSO-SVM进行训练，利用训练好的粒子群优化支持向量机PSO-SVM进行故障诊断具体包括以下步骤：

步骤S21：将低维故障特征集中的每种故障按1:4的比例随机分为训练集和测试样本集；并分别对训练集和测试样本集进行归一化处理；

步骤S22：定义SVM模型中的核函数为径向基函数，利用粒子群优化PSO算法进行参数优化选取；

步骤S23：将训练集用于训练PSO-SVM模型，然后利用训练好的PSO-SVM模型对测试样本集样本进行诊断识别。

5.根据权利要求4所述的一种滚动轴承故障诊断方法，其特征在于，步骤S2中，定义训练样本3折交叉后的平均正确识别率为适应度值，并设置粒子群规模为10，终止迭代为100，局部搜索能力为2，全局搜索能力为2，以此，得到PSO-SVM模型最佳惩罚因子和核函数参数。