【技术实现步骤摘要】
多重回归LSSVM模型在机械并发故障诊断中的应用
本专利技术属于机械故障诊断
，具体涉及一种多重回归LSSVM模型在机械并发故障诊断中的应用。
技术介绍
旋转机械是机械设备中最常见的动力系统之一，它被普遍运用到工业生产的诸多领域。旋转机械的设备状况直接关系着企业经济利益及工人生命安全，故障诊断技术能有效的避免重大损失和灾难性后果，在故障形成后及时地识别故障类型并维护设备安全是故障诊断的主要目的。并发故障是目前故障诊断技术研究的热点课题，机械设备的复杂性及故障相关性给并发故障诊断带来了诸多困难。
技术实现思路
针对现有技术中存在的上述问题，本专利技术提供了一种多重回归LSSVM模型在机械并发故障诊断中的应用，提出将多重回归最小二乘支持向量机(LSSVM)应用于旋转机械并发故障诊断中，并提出用改进的粒子群算法优化诊断模型。为此，本专利技术采用了以下技术方案：一种多重回归LSSVM模型在机械并发故障诊断中的应用，包括如下步骤：步骤一，采集数据；步骤二，提取和处理特征参数；步骤三，建立多重回归LSSVM故障诊断模型；步骤四，确定故障类型编码及参数；步骤五，构建多重回归L...
【技术保护点】
1.一种多重回归LSSVM模型在机械并发故障诊断中的应用，其特征在于：包括如下步骤：步骤一，采集数据；步骤二，提取和处理特征参数；步骤三，建立多重回归LSSVM故障诊断模型；步骤四，确定故障类型编码及参数；步骤五，构建多重回归LSSVM；步骤六，搜索最佳参数；步骤七，识别故障类型。
【技术特征摘要】
1.一种多重回归LSSVM模型在机械并发故障诊断中的应用，其特征在于：包括如下步骤：步骤一，采集数据；步骤二，提取和处理特征参数；步骤三，建立多重回归LSSVM故障诊断模型；步骤四，确定故障类型编码及参数；步骤五，构建多重回归LSSVM；步骤六，搜索最佳参数；步骤七，识别故障类型。2.根据权利要求1所述的一种多重回归LSSVM模型在机械并发故障诊断中的应用，其特征在于：步骤一的具体过程如下：对正常和故障下的振动信号分别进行采集，采集的数据包括单一故障类型和并发故障类型，采集得到的模拟数据通过A/D转换器转换成数字信号并输入计算机。3.根据权利要求2所述的一种多重回归LSSVM模型在机械并发故障诊断中的应用，其特征在于：数据采集过程中采样频率为2048Hz，转子转速为6000rpm；所述单一故障类型包括转子不平衡、转子不对中、轴承内圈损坏和轴承外圈损坏，所述并发故障类型包括不平衡-不对中、不平衡-内圈损坏、不平衡-外圈损坏组合故障；截取各类故障所采集数据的中间部分作为待处理数据。4.根据权利要求1所述的一种多重回归LSSVM模型在机械并发故障诊断中的应用，其特征在于：步骤二的具体过程如下：根据信号的时频域分析理论为基础，从时域和频域两个角度选取特征参数；对各特征值进行归一化处理，将数值映射到[0,1]范围内。5.根据权利要求1所述的一种多重回归LSSVM模型在机械并发故障诊断中的应用，其特征在于：步骤三的具体过程如下：首先，对收集的故障振动信号经过时频域特征提取方法得到多个特征指标，根据特征指标以及待识别的故障类型确定多重回归LSSVM的关键参数及具体维数；然后用改进后的粒子群算法对多重回归LSSVM的关键参数进行寻优，将特征指标作为多重回归LSSVM的输入训练算法模型，对测试数据在算法模型中的输出结果进行故障判别，最终得到诊断结果。6.根据权利要求1所述的一种多重回归LSSVM模型在机械并发故障诊断中的应用，其特征在于：步骤四的具体过程如下：选取单一故障类型以及它们的并发故障类型，将单一故障类型和并发故障类型分别编码，其中正常类型看做是一种特殊的故障类型；对时域指标性能和特征指标数据分别进行评定，并制成表格，所有故障类型及其编码制成表格。7.根据权利要求1所述的一种多重回归LSSVM模型在机械并发故障诊断中的应用，其特征在于：步骤五的具体步骤如下：提取振动信号的若干个时频域指标，由这些指标组成一个特征向量作为算法的输入；在采集的故障数据中，一组特征向量都有唯一确定的故障类型f(X)与之对应，对于多重回归LSSVM的...
【专利技术属性】
技术研发人员：潘昊，李征明，汪洪涛，潘爽，徐劲力，黄丰云，张晓帆，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。