[發(fā)明專利]一種基于IFA-SVM的滾動軸承故障診斷方法

在審

• 申請?zhí)枺?/td>: 202011316490.8
• 申請日: 2020-11-20
• 公開（公告）號: CN112345253A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計）人: 王海瑞;常夢容;肖楊
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 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(chǎn)權(quán)代理事務(wù)所(普通合伙) 53215
• 代理人: 馬海紅

本發(fā)明涉及一種基于IFA?SVM的滾動軸承故障診斷方法，屬于機(jī)械工程自動化技術(shù)領(lǐng)域。本發(fā)明首先直接依次提取標(biāo)準(zhǔn)差，有效度，歪度，峭度，峰值，峰峰值，波形因數(shù)，脈沖因素，峰值因素，裕度，共10個特征類型。其次對數(shù)據(jù)進(jìn)行歸一化處理，接著利用IFA算法對SVM的懲罰系數(shù)和核函數(shù)參數(shù)進(jìn)行優(yōu)化，搭建優(yōu)化IFA?SVM模型。再將提取得到的特征向量輸入到優(yōu)化好的IFA?SVM中進(jìn)行訓(xùn)練得到滾動軸承診斷模型，最后利用滾動軸承故障診斷模型進(jìn)行滾動軸承故障診斷。結(jié)果表明：本發(fā)明利用IF?SVM模型對滾動軸承內(nèi)圈點(diǎn)蝕、滾珠點(diǎn)蝕和外圈點(diǎn)蝕等10類故障進(jìn)行實(shí)驗診斷，準(zhǔn)確率提高，收斂速度快，尋優(yōu)能力強(qiáng)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于IFA-SVM的滾動軸承故障診斷方法，屬于機(jī)械工程自動化技術(shù)領(lǐng)域。

背景技術(shù)

滾動軸承作為一種十分重要的零部件，廣泛應(yīng)用于機(jī)械設(shè)備內(nèi)部。當(dāng)今的滾動軸承的重要性越來越明顯，其工作精度和可靠度對設(shè)備整體的運(yùn)行狀態(tài)都有著關(guān)鍵性影響，使軸承故障診斷系統(tǒng)越來越智能化，是故障診斷研究主要方向.軸承故障診斷分三步走：一、信號處理；二、故障特征提取，三、模式識別。

支持向量機(jī)(SVM)的參數(shù)選擇對整個診斷模型起到至關(guān)重要的作用，其懲罰因子C和核函數(shù)參數(shù)g的選擇影響著支持向量機(jī)(SVM)診斷精度、泛化能力，好的核參數(shù)選擇可以提高SVM分類的性能。面對SVM核參數(shù)的選擇方面，前人做了許多研究。常見的有交叉驗證法、網(wǎng)格搜索法等典型算法、以及粒子群算法、蛙跳算法等群智能算法。

在故障診斷中，故障診斷技術(shù)得到了廣泛的研究與發(fā)展。診斷方法主要有以下3類(1)基于解析模型的方法，如參數(shù)估計方法、狀態(tài)估計方法和等價空間方法等(2)基于信號處理的方法，如EMD、傅里葉分析、小波分析等。(3基于知識推理的診斷方法，如、模式識別、深度置信網(wǎng)絡(luò)推理等。基于知識推理診斷具備智能化方法和專家知識可以提供一個可靠并且實(shí)用的系統(tǒng)。然而，參數(shù)選擇限制著這項技術(shù)的發(fā)展。例如，支持向量機(jī)(SVM)的參數(shù)選擇對整個診斷模型起到至關(guān)重要的作用，其懲罰因子C和核函數(shù)參數(shù)g的選擇影響著支持向量機(jī)(SVM)診斷精度、泛化能力等。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是針對基本螢火蟲算法(FA)容易過早陷入局部最優(yōu)值、收斂速度慢、求解精度低等問題，提出一種基于IFA-SVM的滾動軸承故障診斷方法。

本發(fā)明采用的技術(shù)方案是：一種基于IFA-SVM的滾動軸承故障診斷方法，首先直接依次提取標(biāo)準(zhǔn)差，有效度，歪度，峭度，峰值，峰峰值，波形因數(shù)，脈沖因素，峰值因素，裕度，共10個特征類型。其次對數(shù)據(jù)進(jìn)行歸一化處理，接著利用IFA算法對SVM的懲罰系數(shù)和核函數(shù)參數(shù)進(jìn)行優(yōu)化，搭建優(yōu)化IFA-SVM模型。再將提取得到的特征向量輸入到優(yōu)化好的IFA-SVM中進(jìn)行訓(xùn)練得到滾動軸承診斷模型，最后利用滾動軸承故障診斷模型進(jìn)行滾動軸承故障診斷。結(jié)果表明：本發(fā)明利用IF-SVM模型對滾動軸承內(nèi)圈點(diǎn)蝕、滾珠點(diǎn)蝕和外圈點(diǎn)蝕等10類故障進(jìn)行實(shí)驗診斷，準(zhǔn)確率提高，收斂速度快，尋優(yōu)能力強(qiáng)。

所述方法的具體步驟如下：

(1)采集滾動軸承驅(qū)動端數(shù)據(jù)在某一種負(fù)荷的狀態(tài)下的正常軸承、內(nèi)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(tài)：正常、內(nèi)圈點(diǎn)蝕直徑0.1778mm，內(nèi)圈點(diǎn)蝕直徑0.3556mm、內(nèi)圈點(diǎn)蝕直徑0.5334mm；滾珠點(diǎn)蝕直徑0.1778mm、內(nèi)圈點(diǎn)蝕直徑0.3556mm，內(nèi)圈點(diǎn)蝕直徑0.5334mm；外圈圈點(diǎn)蝕直徑0.1778mm(6點(diǎn)鐘方向)、外圈圈點(diǎn)蝕直徑0.3556mm(6點(diǎn)鐘方向)、外圈圈點(diǎn)蝕直徑0.5334mm(6點(diǎn)鐘方向)。

(2)將10類一維原始軸承驅(qū)動端數(shù)據(jù)進(jìn)行切分，每一類切割成100份，每份為1024大小的數(shù)據(jù)段。依次提取出每個數(shù)據(jù)段的標(biāo)準(zhǔn)差，有效度，歪度，峭度，峰值，峰峰值，波形因數(shù)，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(jìn)行歸一化處理。