[發明專利]多傳感器驅動柔性支持張量機的軸承故障診斷方法及裝置

在審

• 申請號: 202211535812.7
• 申請日: 2022-12-02
• 公開（公告）號: CN115791172A
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 邵海東;閔志閃;鄧乾旺;鐘翔;程軍圣
• 申請（專利權）人: 湖南大學
• 主分類號: G01M13/04
• 分類號: G01M13/04;G06F18/2431;G06F18/214
• 代理公司: 湖南岑信知識產權代理事務所(普通合伙) 43275
• 代理人: 谷萍

本申請公開了一種多傳感器驅動柔性支持張量機的軸承故障診斷方法及裝置。該方法對多傳感器信號進行分解依次提取時域特征參數設計“頻段分量?統計參數?多傳感器”三階特征張量；引入柔性因子和置換因子構造柔性支持張量機用于三階特征張量的訓練和測試；最后將三階特征張量輸入柔性可支持張量機智能故障診斷模型進行軸承故障診斷。軸承故障診斷實驗驗證了該方法可充分利用多傳感器信號的高階關聯信息，提高了模型的魯棒性以及診斷精度，在旋轉機械智能故障診斷中具有顯著效果，優于現有技術。

技術領域

本申請屬于故障診斷技術領域，具體涉及一種多傳感器驅動柔性支持張量機的軸承故障診斷方法、裝置及電子設備。

背景技術

隨著旋轉機械設備趨于系統集成化、高度智能化，各部件之間的耦合程度更高，僅靠單個傳感器很難表示旋轉機械的運行狀態，而且單個傳感器得到的智能診斷結果具有不穩定性和不確定性。因此當設備發生不同類型的故障時，僅依靠某一種狀態信號難以識別各種不同故障，通常需要更多的狀態信號來反映其工作狀態，探索基于多源信號的旋轉機械智能故障診斷方法非常有必要。

信號融合是目前基于多源信號故障診斷的主要研究方法是信號融合，而信號融合本質上還是依據多源信號的特征向量來進行智能診斷，卻忽略了多源信號的空間結構以及相關內在信息。相反，多源信號的特征張量能包含更豐富的數據結構信息。

張量凸包類似向量空間凸包同樣是對張量樣本的一個欠估計，同時容易受到離群點的干擾。因此，如何改善上述張量凸包模型使之對應的多分類器具有更好的魯棒性，同時對提高對旋轉機械多故障狀態智能診斷的識別精度具有重大實際意義。

發明內容

本申請實施例的目的是提供一種多傳感器驅動柔性支持張量機的軸承故障診斷方法、裝置及電子設備，其受仿射包的啟發在凸包模型上引入柔性因子進而增加其彈性使模型更松散解決張量凸包欠估計的問題；同時為降低離群點對模型的干擾引入置換因子，進而增加模型的魯棒性，因而可以解決背景技術中涉及的技術問題。

為了解決上述技術問題，本申請是這樣實現的：

第一方面，本申請實施例提供了一種多傳感器驅動柔性支持張量機的軸承故障診斷方法及裝置，包括：

S1、采集軸承不同健康狀態下的多源信號，得到每種健康狀態下對應的樣本的多源信號；

S2、對采集得到的每個樣本的多源信號按多源信號張量特征構造方法獲得每個樣本的三階特征張量；

S3、在凸包幾何模型的基礎上，引入柔性因子和置換因子打造柔性支持張量機模型；

S4、分別從每種健康狀態中隨機選取少量樣本的三階特征張量作為張量訓練樣本訓練柔性支持張量機模型，獲得智能故障診斷決策函數；

S5、將每種健康狀態剩下的樣本構成測試樣本，檢驗已訓練的智能故障診斷決策函數的可行性。

作為本申請的一種改進，步驟S1中，通過聲音傳感器和振動傳感器采集多源信號。

作為本申請的一種改進，步驟S2中，所述三階特征張量為頻段分量-統計參數-多傳感器三階特征張量。

作為本申請的一種改進，步驟S2具體包括：

對于采集得到的每個樣本的多源信號，利用集合經驗模態分解把多源信號中的每個信號分解為M個分量成分；

提取統計特征參數，對每個信號分解得到的分量成分提取H個時域參數，其中，樣本中每個信號的特征表示為F＝[f₁,f₂,……，f_H]^T∈R^M×H；