[發明專利]一種軸承故障診斷方法

有效

• 申請號: 202010142396.9
• 申請日: 2020-03-04
• 公開（公告）號: CN111272429B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 黃海松;范青松;韓正功;艾彬彬;李玢
• 申請（專利權）人: 貴州大學
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06F30/27;G06K9/62;G06N3/00
• 代理公司: 貴陽東圣專利商標事務有限公司 52002
• 代理人: 袁慶云

1.一種軸承故障診斷方法，包括以下步驟：

(1)故障特征提取：

1)獲取軸承的振動信號，通過自適應白噪聲的完整集成經驗模態分解方法CEEMDAN提取振動信號的IMF模態分量；

2)確定由CEEMDAN提取的IMF模態分量的模糊熵FuzzyEn，重構原始信號：

3)通過概率主成分分析PPCA對重構信號進行主特征提取，剔除冗余信息；

4)將經PPCA處理后的數據集作為特征向量，等比例構造支持向量機SVM的訓練集和測試集并添加類別標簽；

(2)IWOA-SVM故障診斷：

1)構建SVM分類器模型；

2)根據所述訓練集和IWOA算法更新所述SVM的分類器的懲罰參數和核函數參數：

a、參數初始化：初始化IWOA算法參數a，A，C，w，v，l，p、最大迭代次數t_max，懲罰參數C的搜索空間[C_min，C_max]和核函數σ參數搜索空間[σ_min，σ_max]，其中A和C是系數向量，它們定義為：

A＝2a·r-a

C＝2·r (18)

式中r表示[0，1]之間的隨機數，a表示收斂因子，隨著迭代次數的增加從2線性遞減到0；

w是從PSO算法中引入的慣性權重w＝1-rand()/2，rand()表示[0，1]之間的隨機數，v是引入的“飛行”速度，l是[-1，1]中的隨機數，p表示[0，1]之間的隨機數；

b、在搜索空間隨機生成初始種群規模為N的座頭鯨個體，則第i只鯨魚在D維空間中的位置可表示成令t＝1；

c、引入PSO算法中的w、v，計算出各個鯨魚個體的適應度值進行比較，并記錄獵物位置(最優鯨魚位置)Y^*，其中包括環繞獵物階段、氣泡捕食階段、尋找獵物階段；

環繞獵物階段：

D＝|C·Y^*(t)-w(t)·Y(t)|

Y(t+1)＝Y(t)+v(t) (19)

v(t+1)＝w(t)·[v(t)+C·rand()·(Y^*(t)-Y(t))]

式中，t表示當前迭代，Y(t)表示第t代中鯨魚個體的位置，Y^*(t)表示第t代中最優鯨魚的位置(獵物位置)，且伴隨每次迭代更新自身位置；

氣泡捕食階段(局部搜索)：

v(t+1)＝w(t)·[v(t)+C·rand()·(Y^*(t)-Y(t))]

式中，D′＝|Y^*(t)-w(t)·Y(t)|，表示第i個鯨魚到獵物的距離，b為螺旋常數，l是[-1，1]中的隨機數，p表示[0，1]之間的隨機數；

尋找獵物階段(全局搜索)：

D＝|C·Y_r(t)-w(t)·Y(t)|

Y(t+1)＝Y(t)+v(t) (21)

v(t+1)＝w(t)·[v(t)+C·rand()·(Y^*(t)-Y(t))]

式中，Y_r為當前種群中隨機一只鯨魚的位置；

d、更新種群中座頭鯨位置：若p＜0.5且|A|＜1，座頭鯨按照(19)更新自身當前位置，否則，按照(21)更新，若p≥0.5，則依據公式(20)更新；

e、更新IWOA算法參數a，A，C，w，v，l，p；

f、計算更新后種群中鯨魚個體的適應度值，再次進行評價，重新確定新的全局最優鯨魚個體及其位置；

g、判斷是否滿足算法的終止條件，即是否達到最大迭代次數，若未達到，則跳轉至步驟c繼續迭代；否則結束，輸出全局最優Y^*，即得到最優的懲罰參數C_best和最優的核函數參數σ_best；

3)根據獲取的最優的懲罰參數C_best和最優的核函數參數σ_best構建所述SVM的測試模型，根據步驟(1)4)所述的測試集、步驟(2)2)所述的最優懲罰參數C_best和最優核函數參數σ_best，以最長尋優時間、最短尋優時間和平均尋優時間、平均準確率、標準差作為評判標準，十折交叉驗證后確定軸承的故障結果。