[发明专利]基于无监督特征对齐的变负载下滚动轴承故障诊断方法

摘要

一种基于无监督特征对齐的变负载下滚动轴承故障诊断方法，属于滚动轴承故障诊断领域。针对滚动轴承实际工作中缺少某种负载数据，使得源领域数据与目标领域数据属于不同分布以及目标领域样本不含标签的问题。利用变分模态分解结合奇异值分解获取振动信号的时频特征，再结合振动信号时域、频域特征构建多域特征集；引入迁移学习中能够实现无监督领域适应的子空间对齐算法并进行改进，将核映射方法与SA算法相结合。将训练数据和测试数据映射到相同高维空间，在高维空间的子空间进行特征对齐，实现不同负载下源领域特征向目标领域特征对齐。在目标领域无标签的情况下，利用滚动轴承已知负载数据识别出其他负载数据对应的状态，具有较高的故障诊断准确率。

主权项

1.一种基于无监督特征对齐的变负载下滚动轴承故障诊断方法，其特征在于，所述方法的实现过程为：1)特征样本集构造：对于源领域已知负载和目标领域其他负载的滚动轴承振动信号，其中源领域和目标领域两领域数据属于不同分布，对两领域数据均进行VMD分解得到若干IMF，根据观察法^[6]选取故障敏感的前k个IMF，对IMF构建矩阵，并进行SVD获取奇异值，同时提取振动信号的时域、频域指标；利用源领域已知负载和目标领域其他负载滚动轴承振动信号的时域、频域特征和奇异值分别构建源领域多域特征样本集和目标领域多域特征样本集；2)无监督核映射子空间对齐：将源领域多域特征样本集和目标领域多域特征样本集用高斯核函数共同映射到相同的高维空间，然后分别得到源领域高维空间特征样本集、目标领域高维空间特征样本集，二者再经PCA分别进行降维处理，得到源领域高维特征样本子空间、目标领域高维特征样本子空间；将源领域特征向目标领域特征对齐，缩小源领域样本和目标领域样本的分布差异，提高对目标领域样本的识别能力；3)进行分类模型建立与测试，获得变负载下滚动轴承故障诊断结果。