[发明专利]一种基于增强型LPP算法和极限学习机快速轴承故障识别方法

摘要

一种基于增强型LPP算法和极限学习机快速轴承故障识别方法，其特征在于：该方法包括以下步骤：(1)收集轴承在不同工状下的振动信号经分段处理后构成训练样本集合；(2)对步骤(1)获取的训练样本集合进行小波广义高斯分布特征和能量谱特征提取；(3)对步骤(2)获取的特征矩阵X*利用z‑score法进行归一化处理，使其范围在[‑1，1]之间；(4)对步骤(3)得到特征矩阵进行增强型局部保持投影分析，最终确定WEnLPP；(5)利用步骤(4)得到的投影向量WEnLPP计算系数向量X＇EnLPP＝X*×WEnLPP；(6)利用步骤(5)求得的X＇EnLPP训练极限学习机模型Melm，(7)对收集到的该轴承振动信号经步骤(1)、(3)和(5)处理后输入到Melm根据输出结果确定最终工况。本发明申请应用于轴承设备的故障识别问题。

主权项

1.一种基于增强型LPP算法和极限学习机快速轴承故障识别方法。其特征在于：该方法包括以下步骤：(1)利用安装在轴承上的振动传感器收集该轴承在不同工状下的振动信号，设共有四种工状：正常状态、内圈故障状态、外圈故障状态和滚动体故障状态，然后分别对各种工况下的信号进行长度为1024分段处理得到训练样本集合Xnormal，Xinner，Xouter，Xball∈RN×1024，其中N表示单个工况下训练样本集合的个数；(2)对步骤(1)获取的训练样本信息进行特征提取，得到能有效反应各种工况下振动信号特征的集合，设共有M个特征，则Xnormal*，Xinner*，Xouter*，Xball*∈RN×M；(3)对步骤(2)获取的特征训练样本集合进行标准化处理，使每个特征指标的数值范围确定在均值为0，方差为1的标准正态分布区间内；(4)将步骤(3)得到的标准化处理后的训练样本特征矩阵X*∈R(4N)×M进行增强型局部保持投影分析，其中局部保持投影的投影向量个数为P，最终确定WEnLPP投影向量，WEnLPP∈RM×P；(5)利用步骤(5)中得到的局部保持投影向量WEnLPP求解降维后的投影系数向量，X′EnLPP＝X*×WEnLPP，X′EnLPP∈R(4N)×P；(6)利用步骤(6)中求得的降维后的投影系数向量X′EnLPP训练极限学习机模型Melm；(7)通过安装在轴承上的振动传感器收集该轴承的振动信号，经长度为1024分段处理及标准化处理后，计算特征向量利用W_EnLPP计算投影系数向量然后输入到训练好的模型M_elm中确定当前轴承最终的工作状态。