[發明專利]基于激勵機制的軸承故障診斷方法

有效

• 申請號: 202010145254.8
• 申請日: 2020-03-05
• 公開（公告）號: CN110987436B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 趙宜斌;于兵
• 申請（專利權）人: 天津開發區精諾瀚海數據科技有限公司
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 石家莊知住優創知識產權代理事務所(普通合伙) 13131
• 代理人: 林艷艷

1.一種基于激勵機制的軸承故障診斷方法，其特征在于，包括下述步驟：

（1）對軸承采集不同故障狀態以及正常樣本的振動信號，采用極點對稱經驗模態分解方法提取振動信號特征；

（2）對得到的故障數據采用加權核主成分分析法進行特征提取；

（3）將特征提取后的數據劃分為訓練數據和測試數據，并將訓練數據劃分為4組，1組作為初步訓練數據集輸入到步驟（4）并初始化權重，剩余數據作為增量訓練集；

（4）在將增量訓練集不斷輸入的過程中，計算其與初步訓練數據集中數據的Wasserstein距離，進而計算相似度值；

（5）根據相似度值的大小進行激勵機制的訓練，動態調整閾值、樣本數據及權重值, 對于得到的新增特征與現有特征的Wasserstein相似度值，選取最大值作為新增特征的相似度值，并根據不同原則判定新增、合并或是暫存該新增特征，在該過程中，使用α代表現有特征中使兩對比特征之間相似度有意義的最小相似度閾值，使用β代表現有特征中使兩對比特征之間相似度有意義的最大相似度閾值，使用b代表最小相似度閾值和最大相似度閾值的平均值，當相似度值大于b時，合并特征并增大該現有特征的權重值；當相似度值在α和b之間時，將新特征加入到現有特征中并賦予初始權值；其余的相似度值代表該新增特征是無意義的噪聲干擾值或者還未找到相似度匹配的特征，將其暫存于一個新的列表中，若再次使用，則繼續對其判斷，否則在程序運行完畢后將其舍棄，然后根據新增特征增量與合并原則來計算特征的動態權重，用以衡量該特征隨時間變化的重要性改變程度，其中閾值α、b、β是根據當前情況不斷變化的；

（6）將激勵機制訓練得到的數據輸入到BP神經網絡中進行可靠分類診斷。

2.根據權利要求1所述的基于激勵機制的軸承故障診斷方法，其特征在于：所述步驟（2）中，加權核主成分分析法的權重是以不同樣本的標簽作為權值進行計算的，其中樣本共有10個類別，標簽的信息值為，其中l_j表示第j個標簽信息值，式中，標簽的信息值即為樣本的權值，然后根據該權值構造加權核矩陣，其中表示i行j列的加權核矩陣，，并在高斯核函數的基礎上構造加權核主成分分析法，用于特征提取。

3.根據權利要求1所述的基于激勵機制的軸承故障診斷方法，其特征在于：所述步驟（4）中，將Wasserstein距離用于計算相似度值，相似度值計算公式如下：

其中表示新增特征P和現有特征Q兩個不同故障特征的相似度值，W(P,Q)表示新增特征P和現有特征Q兩個不同故障特征的Wasserstein距離，具體計算公式如下：

其中，P(i)和Q(i)分別代表新增特征P的第i個值和現有特征Q的第i個值，表示新增特征P和現有特征Q的聯合分布，表示新增特征P和現有特征Q組合后所有可能的聯合分布的集合，表示從聯合分布中采樣得到新增特征P的第i個值和現有特征Q的第i個值，表示新增特征P的第i個值與現有特征Q的第i個值之間的距離，表示樣本對距離的期望值，inf表示下界，即在所有可能的聯合分布中對期望值取到的下界就是Wasserstein距離，所以新增特征P和現有特征Q之間的差異性越小，Wasserstein距離越小，則相似度值越大，以此衡量新增特征與現有特征的相似度。