[发明专利]基于数据-模型驱动的K-SVD的滚动轴承冲击性故障诊断方法

权利要求书

1.基于数据-模型驱动的K-SVD的滚动轴承冲击性故障诊断方法，其特征在于，该方法包括以下步骤：

步骤S1、利用加速度传感器获得轴承的振动信号s，将信号进行分割为m段,每段长为p,构成一个p×m的数据集，将其作为初始训练数据D1＝{d₁,d₂,…,d_m}，d_i∈R^(p×1)是D1中的任意原子；

步骤S2、求D1中原子的谱峭度κ(d_i)，并计算相邻原子的谱峭度差值Δκ，得到差值最大的一个原子d_o；

Δκ＝κ(d_i)-κ(d_i-1)i＝2,3,...,m；

步骤S3、根据冲击性故障信号周期性、冲击衰减特点构造新的训练集原子d_op：

其中，ξ表示粘滞阻尼系数，f表示频率，fs是滚动轴承信号的采样频率；n₀对应步骤3中d_o幅值最大的点，并以n₀为中点，找到冲击开始和结束的位置，估计冲击周期n_T，将得到的d_op扩充为新训练数据集D2；

步骤S4、利用K-SVD算法训练D2，并在字典更新过程中加入去相干步骤，第k次迭代时字典原子间的互相干性可以表示为：

令

将和更新为和原子的相关系数矩阵可以表示为C＝D^TD，先调整C中的元素，再利用SVD对C进行降维，通过矩阵旋转得到低相干字典Φ，Φ∈R^(p×K)；

步骤S5、利用正交匹配追踪算法进行测试信号重构，对重构信号进行包络分析，提取滚动轴承冲击性故障信号特征频率，进而判断滚动轴承故障类型。

2.根据权利要求1所述的基于数据-模型驱动的K-SVD的滚动轴承冲击性故障诊断方法，其特征在于：所述滚动轴承的内圈故障频率为f_in，外圈故障频率为f_o，滚动体故障频率为f_b，其中：

其中，n为滚动体个数，f_r为滚动轴承的转频，D为节径，α是滚动体接触角。

3.根据权利要求2所述的基于数据-模型驱动的K-SVD的滚动轴承冲击性故障诊断方法，其特征在于：所述步骤S1中，为了保证训练集D1中每个原子都包含一个完整的冲击，D1中原子长度p的范围是(1～2)倍的fs/f_min，f_min为f_in、f_o和f_b中较小的故障频率。

4.根据权利要求2所述的基于数据-模型驱动的K-SVD的滚动轴承冲击性故障诊断方法，其特征在于：所述步骤S3中，频率f根据测试信号的频率谱图得到；根据故障频率的振荡衰减特性，以故障信号最大幅值A*(1e-3)作为幅值阈值标准ε；以n₀为起始位置，向前、后分别找到第二个幅值为ε的点作为冲击开始、结束的位置。

5.根据权利要求1所述的基于数据-模型驱动的K-SVD的滚动轴承冲击性故障诊断方法，其特征在于：所述步骤S4中，所述相关系数矩阵C中元素c_ij的阈值为其元素更新过程为：