[發明專利]一種基于IFA-SVM的滾動軸承故障診斷方法

在審

• 申請號: 202011316490.8
• 申請日: 2020-11-20
• 公開（公告）號: CN112345253A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 王海瑞;常夢容;肖楊
• 申請（專利權）人: 昆明理工大學
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06K9/62;G06N3/00
• 代理公司: 昆明明潤知識產權代理事務所(普通合伙) 53215
• 代理人: 馬海紅

1.一種基于IFA-SVM的滾動軸承故障診斷方法，其特征在于：包括如下步驟：

(1)采集滾動軸承驅動端數據在某一種負荷的狀態下的正常軸承、內圈故障軸承、外圈故障軸承、滾動體故障的振動信號共10種狀態；

(2)將10類一維原始軸承驅動端數據進行切分，每一類切割成100份，每份為1024大小的數據段，依次提取出每個數據段的標準差，有效度，歪度，峭度，峰值，峰峰值，波形因數，脈沖因素，峰值因素，裕度特征值作為特征向量；

(3)再將步驟2得到的特征向量進行歸一化處理；

(4)利用IFA算法對SVM的懲罰系數和核函數參數進行優化，搭建優化IFA-SVM模型；

(5)將步驟3得到的歸一化之后的特征向量劃分為訓練集和測試集輸入到IFA-SVM中進行分類訓練，通過分類器的輸出結果得到軸承的故障類型和工作狀態，實現滾動軸承的故障診斷。

2.根據權利要求書1所述的一種基于IFA-SVM的滾動軸承故障診斷方法，其特征在于：提取出每個數據段的標準差，有效度，歪度，峭度，峰值，峰峰值，波形因數，脈沖因素，峰值因素，裕度特征值作為特征向量的具體步驟如下：

時域信號是振動信號的直觀體現，在時域中往往也能提取出一些有用的特征，用x_i來表示采集到的振動信號的時間序列(i＝1,2,…n)，N為x_i的采樣點，利用下面的式子分別計算時域特征：

2.1標準差：

s表示標準差，為均值

2.2有效度：

X_rms表示有效度

2.3歪度：

α表示歪度，歪度a反映對縱坐標的不對成性，如果a越大，不對稱越厲害；

2.4峭度：

峭度系數k_v取脈沖響應幅值的4次方為判斷依據，拉大脈沖信號和背景噪聲的差距以提高信噪比，用以表示大幅度脈沖信號出現的概率；

2.5峰值：

X_peak＝max(x_i)

X_peak表示峰值，max表示求采樣點的大值；

2.6峰峰值：

X_vpp＝max(x_i)-min(x_i)

X_vpp表示峰峰值，峰峰值是指一個周期內信號最高值和最低值之間差的值，就是最大和最小之間的范圍；

2.7波形因數：

波形因子為有效度(X_rms)與絕對均值之比；

2.8脈沖因數：

脈沖因子I是峰值X_peak與絕對均值之比；

2.9峰值因數：

峰值因子C是峰值X_rms除以有效度X_rms

2.10裕度：

X_peak表示峰值，X_r表示方根幅值。