[發明專利]基于Fisher判別字典學習模型的齒輪運行分類方法

在審

• 申請號: 202011492439.2
• 申請日: 2020-12-16
• 公開（公告）號: CN112613547A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 王詩彬;周莉;丁寶慶;趙志斌;張興武;孫闖;耿佳;嚴如強;陳雪峰
• 申請（專利權）人: 西安交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 覃婧嬋

1.一種基于Fisher判別字典學習模型的齒輪運行分類方法，包括以下步驟：

S100：分別采集不同健康狀態齒輪的振動信號y(t)，將其按照信號長度劃分為相互不重疊的預定比例的訓練數據和測試數據；

S200：基于小波包變換分解所述訓練數據中的振動信號，計算小波包分解后每個子頻帶的系數的L-峭度值；

S300：選出L-峭度值為前25％的子頻帶對應的分解系數，構造成低維多尺度樣本Y_LM；

S400：基于所述低維多尺度樣本Y_LM進行Fisher判別字典學習，獲得兼具類內表示能力和類間判別性能的結構化字典D；

S500：采用迭代投影方法求解所述測試數據在結構化字典D上的稀疏編碼系數，計算測試數據對應的每個類的重構誤差，根據重構誤差最小判別齒輪運行狀態。

2.根據權利要求1所述的方法，其中，優選的，步驟S100中，所述振動信號包括相互不重疊的時域訓練樣本和時域測試樣本。

3.根據權利要求1所述的方法，其中，步驟S200中，小波包變換的參數包括小波基和分解尺度，其中，小波基選取雙正交小波，分解尺度j滿足log₂(F_S/F_{min c})-1≤j≤log₂N，其中，F_S是采樣頻率，F_{min c}是最小的特征頻率，信號長度為N。

4.根據權利要求1所述的方法，其中，步驟S200中，所述L-峭度值計算表達式為：

其中，ξ_r表示第r階L-矩，E(·)表示求期望，G_1：n≤G_2：m≤，...，≤G_n：m是任意實值變量G的各階統計量，F表示G的累積分布函數，g是G的分位數函數，

5.根據權利要求1所述的方法，其中，步驟S300中，根據第j層的2^j個子頻帶的L-峭度值，選取出L-峭度值最大的前25％的子頻帶來構成構造成低維多尺度樣本Y_LM。

6.根據權利要求1所述的方法，其中，步驟S400中，Fisher判別字典學習包括以下子步驟：

S401：基于低維多尺度樣本Y_LM構建Fisher判別字典學習模型，其中Y_LM＝[Y_LM，1，Y_LM，2，...Y_LM，c]，Y_LM，i表示第i類的訓練樣本子集，c表示類別總數；

S402：固定結構化字典D，逐類求解稀疏編碼系數X，其中，X＝[X₁，X₂，...X_c]，X_i表示訓練樣本子集Y_LM，i在字典D上的編碼系數子矩陣，更新X_i時，所有的其他類系數子矩陣X_j，j≠i固定；

S403：固定稀疏編碼系數X，逐類求解字典D，其中，D＝[D₁，D₂，...D_c]，D_i表示第i類的子字典，更新D_i時，所有的其他類系數子字典D_j，j≠i固定，更新D_i采用逐列更新方式；

S404：重復執行步驟S402到步驟S403，當迭代次數達到設定的最大迭代次數或達到停止準則時，結構化字典D學習完成。