[發(fā)明專(zhuān)利]一種基于層次排列熵的軸承故障特征提取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810130141.3
• 申請(qǐng)日: 2018-02-08
• 公開(kāi)（公告）號(hào): CN108364021A
• 公開(kāi)（公告）日: 2018-08-03
• 發(fā)明（設(shè)計(jì)）人: 李永波;黃怡;馬存寶
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G01M13/04
• 代理公司: 西北工業(yè)大學(xué)專(zhuān)利中心 61204
• 代理人: 華金

1.一種基于層次排列熵的軸承故障特征提取方法，其特征在于，包括以下步驟：

步驟一：軸承的振動(dòng)加速度信號(hào)對(duì)應(yīng)為一個(gè)長(zhǎng)度為N的原始時(shí)間序列{X_i}＝{x₁,x₂,…,x_N}，將原始時(shí)間序列進(jìn)行層次分析，包括以下子步驟：

子步驟一：定義平局?jǐn)?shù)算子Q₀和Q₁如下：

上式中，N＝2ⁿ，n是正整數(shù)，Q₀和Q₁的長(zhǎng)度為2^n-1；

綜合兩個(gè)平局?jǐn)?shù)算子Q₀和Q₁，當(dāng)j＝0或1時(shí)，定義矩陣Q_j算子如下：

子步驟二：構(gòu)造一個(gè)向量[γ₁,γ₂,…,γ_k]，k表示為層次分析中要分解到的層數(shù)，該向量能夠用正整數(shù)表示，公式中k為人為設(shè)定值，得出具體的向量值，γ取值為0或1；

子步驟三：定義原始時(shí)間序列X(i)每一層分解的節(jié)點(diǎn)分量如下：

式中，V_k,0和V_k,1分別是原始時(shí)間序列X(i)在第k層的低頻和高頻部分；

將子步驟一中得出的Q_j算子矩陣和子步驟二得出的向量值代入上述公式中，得出最后一層中每一個(gè)分解節(jié)點(diǎn)的節(jié)點(diǎn)分量；

步驟二：針對(duì)步驟一中得出的最后一層中每一個(gè)分解節(jié)點(diǎn)的節(jié)點(diǎn)分量，求取排列熵PE(V_k,e,m,r)，得到2^k個(gè)層次分量的排列熵值，即為層次排列熵，表示為

HPE(x,k,e,m,r)＝PE(V_k,e,m,r)

其中m為給定嵌入維數(shù)，r表示為排列函數(shù)的相似容限，k為分解層數(shù)；

步驟三：采用已知的拉普拉斯分值方法對(duì)得到的層次排列熵值按重要度進(jìn)行排序，根據(jù)設(shè)定的拉普拉斯閾值選取重要度高于閾值的層次排列熵值組成新的特征向量；將軸承的振動(dòng)加速度信號(hào)分為訓(xùn)練樣本和測(cè)試樣本，其中訓(xùn)練樣本集輸入到BT-SVM中，通過(guò)層次排列熵值組成的新的特征向量對(duì)BT-SVM進(jìn)行訓(xùn)練，測(cè)試樣本輸入到訓(xùn)練好的BT-SVM中進(jìn)行故障模式識(shí)別。