[發明專利]基于核密度估計和K-L散度的旋轉機械故障診斷方法

有效

• 申請號: 201410100359.6
• 申請日: 2014-03-18
• 公開（公告）號: CN103868692A
• 公開（公告）日: 2014-06-18
• 發明（設計）人: 劉宇;張凡;陳初杰;李彥鋒;楊圓鑒;米金華;黃洪鐘
• 申請（專利權）人: 電子科技大學
• 主分類號: G01M13/04
• 分類號: G01M13/04;G01M13/02
• 代理公司: 成都宏順專利代理事務所(普通合伙) 51227
• 代理人: 周永宏

1.一種基于核密度估計和K-L散度的旋轉機械故障診斷方法，包括如下步驟：

步驟1：采集被監測對象的原始振動數據，并劃定訓練樣本集和測試樣本集；

步驟2：從步驟1中得到的原始振動數據中提取指定時頻域特征；

步驟3：從步驟2中得到的頻域特征集中選擇出敏感特征，并且計算這些敏感特征的分類貢獻率；

步驟4：利用核密度估計計算訓練樣本中不同故障類別樣本集關于步驟3中提取的敏感特征的概率密度函數，并計算加入一個未知故障類別待測樣本后各類樣本集新的概率密度函數；

步驟5：計算出在選定的特征描述下，訓練樣本中各類故障樣本集原始概率密度函數，以及加入一個待測樣本后的新概率密度函數兩者的K-L散度值；

步驟6：計算集成K-L散度，并通過集成K-L散度的大小判斷待測樣本的故障類別。

2.如權利要求1所述的基于核密度估計和K-L散度的旋轉機械故障診斷方法，其特征在于：所述步驟2中得到的指定時頻域特征是通過總體平均經驗模態分解方法和希爾伯特變換等信號處理方法得到的。

3.如權利要求1所述的基于核密度估計和K-L散度的旋轉機械故障診斷方法，其特征在于：所述步驟3的計算過程如下：

第一步：計算第j個特征C個類的類內距離的平均值

dc,j=1Mc×(Mc-1)Σl,m=1Mc|qm,c,j-ql,c,j|l,m=1,2,···,Mc,l≠m,j=1,2,···,J,c=1,2,···,C---(1)]]>

dj(w)=1CΣc=1Cdc,j---(2)]]>

其中，Mc表示第c類的樣本個數，J表示特征個數，C表示類別個數，q_m,c,j表示第c類第m個樣本的第j個特征的特征值；

第二步：計算第j個特征C個類的類間距離的平均值

uc,j=1McΣm=1Mcqm,c,j---(3)]]>

dj(b)=1C×(C-1)Σc,e=1C|ue,j-uc,j|c,e=1,2,···,C,c≠e---(4)]]>

其中，u_c,j、u_e,j分別表示第c和第e個類第j個特征的平均值；

第三步：數據集A的類間距離與類內距離的比值α_j：

αj=dj(b)dj(w)---(5)]]>

第四步：計算選擇的前n個特征的分類貢獻率F_j；定義：

Fj=αjΣi=1nαi,(j=1,2,···,n)---(6)]]>

式（6）為分類貢獻率。