[發明專利]基于特征融合等勢星球圖的故障信號診斷方法

在審

• 申請號: 202110216100.8
• 申請日: 2021-02-26
• 公開（公告）號: CN113029567A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 李靖超;王瑞;應雨龍;張斌
• 申請（專利權）人: 上海電機學院
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 李慶

本發明提供一種基于特征融合等勢星球圖的故障信號診斷方法，包括步驟：S1：分別提取一軸承的正常信號和故障信號的近似熵；S2：分別提取正常信號和故障信號的排列熵；S3：將提取到的近似熵和排列熵映射為二維圖像，分別作為橫坐標軸和縱坐標軸；S4：對映射后的二維圖像進行點密度計算并著色生成對應的等勢星球圖；S5：使用深度學習PCANet網絡對故障信號進行分類。本發明的一種基于特征融合等勢星球圖的故障信號診斷方法，通過對故障信號進行熵特征提取，將融合熵特征映射為圖像的二維坐標，并對映射后的圖像進行點密度計算和著色生成融合特征熵的等勢星球圖,為故障診斷領域等相關的工程實踐提供可靠的理論依據。

技術領域

本發明涉及滾動軸承故障信號診斷領域，尤其涉及一種基于特征融合等勢星球圖的故障信號診斷方法。

背景技術

滾動軸承作為旋轉機械的重要零部件，被廣泛運用在機械設備和工業生產中。在長期的生產和使用中，滾動軸承容易發生故障，影響機械設備安全運行。如何有效地對滾動軸承故障信號診斷對于機械設備的可靠運行具有重要意義。

傳統的軸承故障信號的特征提取如傅里葉變換、小波變換、分形維數等方法都存在簡單、單一、線性、魯棒性不強等缺點，不能保證診斷結果的可靠性和準確性。因此如何提高軸承故障診斷的可靠性和準確性成為當下研究的重點。

發明內容

針對上述現有技術中的不足，本發明提供一種基于特征融合等勢星球圖的故障信號診斷方法，通過對故障信號進行熵特征提取，將融合熵特征映射為圖像的二維坐標，并對映射后的圖像進行點密度計算和著色生成融合特征熵的等勢星球圖,為故障診斷領域等相關的工程實踐提供可靠的理論依據。

為了實現上述目的，本發明提供一種基于特征融合等勢星球圖的故障信號診斷方法，包括步驟：

S1：分別提取一軸承的正常信號和故障信號的近似熵；

S2：分別提取所述正常信號和所述故障信號的排列熵；

S3：將提取到的所述近似熵和所述排列熵映射為二維圖像，分別作為橫坐標軸和縱坐標軸；

S4：對映射后的所述二維圖像進行點密度計算并著色生成對應的等勢星球圖；

S5：使用深度學習PCANet網絡對所述故障信號進行分類。

優選地，所述近似熵滿足公式：

ApEn(m,r)＝φ^m(r)-φ^m+1(r) (1)；

其中ApEn(m,r)表示近似熵，m為預先選定的模式維數，r為預先選定的相似容限，φ^m(r)表示m維模式在相似容限r意義下的相互近似概率對數的平均值；

所述近似熵的計算包括步驟：

S11：設存在一個以等時間間隔采樣獲得的N維的時間序列u(1),u(2),…u(N)，重構m維向量X(1),X(2),…X(N-m+1)，X(i)＝[u(i),u(i+1),…u(i+m-1)]，其中1i≤N-m+1；

S12：對每一個i值計算矢量X(i)與其余矢量X(j)之間的距離d[X(i),X(j)：

d[X(i),X(j)＝max_k＝0～m-1|u(i+k)-u(j+k)| (2)；

S13：給定閾值r(r＞0)，對每一個i值統計d[X(i),X(j)＜r的數目及此數目與總的矢量個數N-m+1的比值，記為

S14：將取對數，再求其對所有i的平均值，記為φ^m(r)：