[發(fā)明專利]一種基于多尺度符號動力學熵的軸承故障診斷方法

在審

• 申請?zhí)枺?/td>: 201711135685.0
• 申請日: 2017-11-16
• 公開（公告）號: CN107991097A
• 公開（公告）日: 2018-05-04
• 發(fā)明（設(shè)計）人: 李永波;馬存寶;黃怡
• 申請（專利權(quán)）人: 西北工業(yè)大學
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 西北工業(yè)大學專利中心61204
• 代理人: 華金

1.一種基于多尺度符號動力學熵的軸承故障診斷方法，其特征在于，包括以下步驟：

步驟一：軸承的振動加速度信號對應(yīng)為一個時間序列Y{y(i'),i'＝1,2,…,N}，其中i'表示時間序列對應(yīng)某一時刻的數(shù)值，N表示時間序列的長度；該序列中的數(shù)值，按照尺度因子τ進行粗粒化分割，形成若干粗粒向量

Xjτ=1τΣi=(j-1)τ+1jτyi,1≤j≤Nτ]]>

其中τ為正整數(shù)(建議τ取值范圍:1-20)；若干粗粒向量形成新的子時間序列,可將其進一步表述為X{x(i),i＝1,2,…,N₀}。其中i表示子時間序列在i時刻所對應(yīng)的數(shù)值，N₀表示分割后子時間序列的長度；

步驟二：對步驟一得到的每個子時間序列，分別求取符號動力學熵。

符號動力學熵的求解過程包括以下子步驟：

子步驟一：采用等概率區(qū)間劃分準則，將子時間序列的幅值域劃分成ε(3≤ε≤12)個區(qū)間，將ε稱為符號數(shù)。用符號σ代替時間序列中元素的數(shù)值，從而形成符號序列Z{z(k),k＝1,2,…,N₀}，z(k)表示原始時間序列符號化后第k個數(shù)值所對應(yīng)的符號σ；

子步驟二：人為給定的嵌入維數(shù)m和時間延遲λ，將符號序列

Z{z(k),k＝1,2,…,N₀}分割成一系列的嵌入向量，

Zjm,λ{z(j),z(j+λ),...,z(j+(m-1)λ)}]]>

其中j＝1,2,...,N₀-(m-1)λ，用q^ε,m,λ表示子向量出現(xiàn)的模式種類，同時統(tǒng)計狀態(tài)模式q^ε,m,λ在所有嵌入向量中出現(xiàn)的概率P(q^ε,m,λ)，并構(gòu)建狀態(tài)模式矩陣ε^m表示為狀態(tài)模式數(shù)；

子步驟三：符號序列視為由一系列連續(xù)的狀態(tài)模式組成的，相鄰兩個

狀態(tài)模式可視為由上一個狀態(tài)模式遷移到下一個狀態(tài)模式；當已經(jīng)觀

測到狀態(tài)模式q^ε,m,λ時，之后出現(xiàn)符號為σ的概率為狀態(tài)遷移概率，

表示為P(σ|q^ε,m,λ)，計算公式如下：

P(σ|q^ε,m,λ)＝P{z(j+mλ)＝σ|j:j≤N-mλ,type(Z^ε,m,λ)＝q^ε,m,λ}

在狀態(tài)遷移概率的基礎(chǔ)上，構(gòu)建ε^m×ε的狀態(tài)遷移矩陣：

子步驟四：根據(jù)信息理論中香農(nóng)熵的定義，定義符號動力學熵SDE等于狀態(tài)模式概率熵和狀態(tài)遷移概率熵之和，計算公式如下：

式中，m是嵌入維數(shù)，λ是時間延遲，ε是符號數(shù)；

子步驟五：符號動力學熵SDE(X,m,λ,ε)取得最大值為ln(ε^m+1)；將SDE進行歸一化：

SDE(X,m,λ,ε)＝SDE(X,m,λ,ε)/ln(ε^m+1)

步驟三：根據(jù)每個時間子序列的符號動力學熵，求取多尺度符號動力學熵MSDE，公式如下：

MSDE(y,τ,m,λ,ϵ)=SDE(Xjτ,m,λ,ϵ)]]>

步驟四：根據(jù)多尺度符號動力學熵MSDE，采用最小冗余最大相關(guān)方法(mRMR)對特征進行特征排序，選出最優(yōu)特征構(gòu)建成新的特征向量，輸入到最小二乘支持向量機(LSSVM)中識別滾動軸承不同的故障類型。