[發(fā)明專利]一種滾動(dòng)軸承故障診斷方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911033248.7
• 申請(qǐng)日: 2019-10-28
• 公開（公告）號(hào): CN110567721B
• 公開（公告）日: 2021-08-17
• 發(fā)明（設(shè)計(jì)）人: 王新剛;王昕;王柯
• 申請(qǐng)（專利權(quán)）人: 齊魯工業(yè)大學(xué)
• 主分類號(hào): G01M13/045
• 分類號(hào): G01M13/045
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 楊曉冰

1.一種滾動(dòng)軸承故障診斷方法，其特征是，包括以下步驟：

獲取滾動(dòng)軸承的振動(dòng)數(shù)據(jù)，并將其劃分為測(cè)試樣本集和訓(xùn)練樣本集；

基于訓(xùn)練樣本集中滾動(dòng)軸承的振動(dòng)數(shù)據(jù)，采用小波包分解方法提取訓(xùn)練樣本集中滾動(dòng)軸承的故障特征；

利用基于改進(jìn)PSO算法的FCM算法對(duì)訓(xùn)練樣本集中滾動(dòng)軸承的故障特征進(jìn)行故障聚類；具體步驟包括：初始化基于改進(jìn)PSO算法的FCM算法的參數(shù)；

計(jì)算每個(gè)能量特征的適應(yīng)度值，更新能量特征的個(gè)體最優(yōu)解和全局最優(yōu)解；

更新各個(gè)能量特征的速度和位置；

根據(jù)能量特征的位置獲得聚類中心，采用改進(jìn)的FCM算法對(duì)各個(gè)能量特征進(jìn)行聚類劃分，并根據(jù)新的劃分結(jié)果重新計(jì)算聚類中心；

判斷聚類中心是否發(fā)生變化，以及是否達(dá)到最大迭代次數(shù)，如果滿足，聚類結(jié)束；

其中，所述采用改進(jìn)的FCM算法對(duì)各個(gè)能量特征進(jìn)行聚類劃分的步驟包括：

分別計(jì)算每個(gè)能量特征屬于各個(gè)聚類的模糊隸屬度以及每個(gè)能量特征到各個(gè)聚類中心的模糊貼進(jìn)度；

將各能量特征劃分到離其距離最近的類中；

提取測(cè)試樣本集中滾動(dòng)軸承的故障特征，根據(jù)故障聚類結(jié)果，判斷測(cè)試樣本集中滾動(dòng)軸承的故障類型。

2.根據(jù)權(quán)利要求1所述的滾動(dòng)軸承故障診斷方法，其特征是，所述滾動(dòng)軸承的故障特征的提取方法為：

對(duì)滾動(dòng)軸承的振動(dòng)數(shù)據(jù)進(jìn)行多層小波包分解，計(jì)算每層小波包結(jié)點(diǎn)處的信號(hào)能量；

對(duì)所有小波包能量進(jìn)行歸一化，得到歸一化能量特征，組成能量特征集合。

3.根據(jù)權(quán)利要求1所述的滾動(dòng)軸承故障診斷方法，其特征是，所述基于改進(jìn)PSO算法的FCM算法的適應(yīng)度函數(shù)為：

其中，為第k個(gè)類中的第i個(gè)數(shù)據(jù)樣本；v_k是第k個(gè)聚類的聚類中心；μ_ik為模糊隸屬度；n為樣本數(shù)；C為聚類數(shù)；m為加權(quán)指數(shù)。

4.根據(jù)權(quán)利要求1所述的滾動(dòng)軸承故障診斷方法，其特征是，所述基于改進(jìn)PSO算法的FCM算法的慣性權(quán)重為：

其中，t表示當(dāng)前迭代次數(shù)，w_max、w_min分別表示最大慣性權(quán)重和最小慣性權(quán)重，表示全局最優(yōu)解的適應(yīng)度值，表示個(gè)體最優(yōu)解的適應(yīng)度值；

學(xué)習(xí)因子為：

其中，t_max表示最大迭代次數(shù)，c_max，c_min分別表示最大學(xué)習(xí)因子和最小學(xué)習(xí)因子；c₁、c₂為學(xué)習(xí)因子；

粒子速度更新公式為：

其中，v_ij表示第i個(gè)粒子的速度，rand區(qū)間[0,1]上的隨機(jī)數(shù)，表示第i個(gè)粒子尋找到的個(gè)體最優(yōu)解，表示整個(gè)種群的全局最優(yōu)解；

粒子位置更新公式為：

x_ij(t+1)＝x_ij(t)+s(t)×v_ij(t+1)

其中，x_ij表示第i個(gè)粒子的位置，s(t)表示飛行因子，是調(diào)整粒子搜索步長(zhǎng)的重要系數(shù)，s₀表示飛行時(shí)間常數(shù)。

5.根據(jù)權(quán)利要求1所述的滾動(dòng)軸承故障診斷方法，其特征是，所述滾動(dòng)軸承的故障類型的判斷方法為：

基于改進(jìn)的PSO算法和FCM算法對(duì)訓(xùn)練集中的滾動(dòng)軸承的能量特征進(jìn)行故障聚類后，得到不同軸承故障的聚類中心集合，其中，聚類中心集合由能量特征組成；

提取測(cè)試樣本集中每個(gè)滾動(dòng)軸承的振動(dòng)數(shù)據(jù)的能量特征；

根據(jù)聚類中心集合，將測(cè)試樣本集中每個(gè)滾動(dòng)軸承的能量特征與聚類中心集合相比較，將滾動(dòng)軸承的能量特征最接近的聚類中心所在的類判斷為該滾動(dòng)軸承所屬的故障類型。