[发明专利]一种基于子波三元模式和改进蜂群算法的故障分类方法

权利要求书

1.一种基于子波三元模式和改进蜂群算法的故障分类方法，其特征在于，其步骤如下：

步骤一：分别利用声音传感器、振动速度传感器和电流传感器采集电机轴承转动的声音信号、振动信号和电流信号，并对电机轴承转动的声音信号、振动信号和电流信号进行归一化处理后作为数据集；

步骤二：利用子波三元模式的特征提取算法对数据集中数据进行特征提取，得到特征数据；

步骤三：利用自适应散度控制的蜂群算法优化随机森林分类器的参数，并利用优化后的随机森林分类器对步骤二中的特征数据进行分类，输出故障类型。

2.根据权利要求1所述的基于子波三元模式和改进蜂群算法的故障分类方法，其特征在于，所述利用子波三元模式的特征提取算法对数据集中数据进行特征提取的方法为：

S2.1、从一维复杂非线性、非周期的时间序列T＝{T₁,T₂,...,T_n}中随机生成子波候选者集合ζ＝{δ_min,δ_min+1,...,δ_max}，并计算子波候选者集合与时间序列的欧氏距离集合：

其中，DL(ζ_i,T_i)为第i个子波候选者集合与第i个时间序列的欧氏距离，i＝1,2,…,l，l表示子波候选者集合的个数，ζ_i表示子波候选者集合，T_i表示原始子序列；

S2.2、根据子波候选者集合与时间序列的欧氏距离集合，计算每个子波候选者的信息增益：

H(T)＝-p(A)log(p(A))-p(B)log(p(B)) (2)；

其中，H(T)表示序列T的条件熵，p(A)表示欧氏距离集合中类别A的比例，p(B)表示欧氏距离集合中类别B的比例，IG表示序列T的信息增益，T_a和T_b均为T的子集，H(T_a)表示子序列T_a的信息熵，H(T_b)表示子序列T_b的信息熵；

S2.3、根据信息增益IG值更新子波候选者集合为：

ζ_new＝{δ_IG(max),δ_IG(max-1),δ_IG(max-2)...,δ_IG(min)} (4)；

其中，ζ_new为更新后的子波候选者集合；

S2.4、采用三元模式对步骤S2.3中更新后的子波候选者集合进行编码：

其中，binarycode表示三元模式码值，P_i表示采样点，P_c为子波候选者集合中设定的中心点，β表示编码阈值的上下浮动范围；β值的计算公式为：

其中，δ_i'表示子波候选者，表示子波候选者的均值，i'＝1,2,…,n表示子波候选者的个数；

S2.5、将得到的三元模式编码的正负码值进行分离，得到两列二进制编码，并将二进制编码转化为十进制数代替原来的信号值，至此，两种正负码值对应的高维特征和低维特征被提取出来；经过以上步骤，从信号所含故障信息的角度提取子波，然后再进行三元模式编码，可以有效的提取故障特征。

3.根据权利要求1或2所述的基于子波三元模式和改进蜂群算法的故障分类方法，其特征在于，所述随机森林分类器参数包含最小叶子节点样本权重和θ_m、树的深度d和叶子数量n；叶子节点的样本权重和的取值范围为[1,1000]，叶子数量的取值范围为[1，50]，树的深度的取值范围为[1，10]。