【技术实现步骤摘要】
基于KNN-AdaBoost的轴承故障诊断方法
本专利技术采煤机故障检测
,涉及一种基于KNN-AdaBoost的轴承故障诊断方法。
技术介绍
采煤机是一个集机械、电气、液压为一体的大型复杂系统,随着煤炭工业的发展,采煤机的功能越来越多,其自身的结构也越来越复杂。轴承作为一种采煤机标准化的传动零部件,其运行状态也越来越影响到采煤机的工作效率及寿命。相关统计表明,采煤机的所有故障中约有30%由轴承引起。长期以来,机械设备维修人员采用定期抽查维护的方式发现并及时排除轴承的故障,但仍对突发性事故措手不及,容易造成严重损失,且定期抽查维护会造成很大程度的资源浪费及生产停滞,同时也存在一定的盲目性。因此在轴承故障的早期阶段,能够根据提取到的轴承振动信号,及时有效地识别出故障类型,对企业保证设备运行效率和减少经济损失具有积极意义。但是目前并没有能够将轴承故障精确诊断的方法。
技术实现思路
本专利技术的目的是提供一种基于KNN-AdaBoost的轴承故障诊断方法,能够依据大量的实时轴承监测数据进行故障分类,有助于快速识别轴承的故障类型。本专利技术所采用的技术方案是,基于KNN-AdaBoost的轴承故障诊断方法,具体按照下述步骤进行:步骤1,获取采煤机轴承不同状态下的多段振动信号,并将每段振动信号中的所有振动信号作为一组振动信号;步骤2,将每组振动信号中的每个振动信号均进行预处理成为确定中心频率和带宽的模态分量,得到多组确定中心频率和带宽的模态分量;步骤3,分别选取每组振动信号中的峭度最大的模态分量,在时域和频域的统计分析下得到做多组轴承故障特征向量;步骤4,使用多组 ...
【技术保护点】
1.基于KNN‑AdaBoost的轴承故障诊断方法,其特征在于,具体按照下述步骤进行:步骤1,获取采煤机轴承不同状态下的多段振动信号,并将每段振动信号中的所有振动信号作为一组振动信号;步骤2,将每组振动信号中的每个振动信号均进行预处理成为确定中心频率和带宽的模态分量,得到多组确定中心频率和带宽的模态分量;步骤3,分别选取每组振动信号中的峭度最大的模态分量,在时域和频域的统计分析下得到做多组轴承故障特征向量;步骤4,使用多组轴承故障特征向量训练得到多个KNN分类器;步骤5,根据多组轴承故障特征向量和多个KNN分类器训练得到AdaBoost强分类器;步骤6,使用所述AdaBoost强分类器对采集到的轴承振动信号进行分类。
【技术特征摘要】
1.基于KNN-AdaBoost的轴承故障诊断方法,其特征在于,具体按照下述步骤进行:步骤1,获取采煤机轴承不同状态下的多段振动信号,并将每段振动信号中的所有振动信号作为一组振动信号;步骤2,将每组振动信号中的每个振动信号均进行预处理成为确定中心频率和带宽的模态分量,得到多组确定中心频率和带宽的模态分量;步骤3,分别选取每组振动信号中的峭度最大的模态分量,在时域和频域的统计分析下得到做多组轴承故障特征向量;步骤4,使用多组轴承故障特征向量训练得到多个KNN分类器;步骤5,根据多组轴承故障特征向量和多个KNN分类器训练得到AdaBoost强分类器;步骤6,使用所述AdaBoost强分类器对采集到的轴承振动信号进行分类。2.根据权利要求1所述的基于KNN-AdaBoost的轴承故障诊断方法,其特征在于,所述步骤2中按照下述步骤将每个振动信号预处理成为确定中心频率和带宽的模态分量:步骤2.1,建立每个振动信号的约束变分模型,具体按照下述步骤进行:步骤2.1.1,将每个振动信号分解为多个模态函数,将每个模态函数均进行希尔伯特变换,得到每个模态函数的解析信号:式中,δ(t)为脉冲信号,j为虚数单位,t为时间,uk(t)为模态函数;步骤2.1.2,调制各个模态函数的频谱到其相应的基频带,得到调制信号:式中,ωk为第k个模态函数的瞬时频率;步骤2.1.3解调信号梯度的平方范数,估计出各模态函数的带宽,得到约束变分模型:式中,为函数关于时间t的偏导数,k为模态函数的个数;步骤2.2解约束变分模型,得到确定中心频率和带宽的模态分量,具体按照下述步骤进行:步骤2.2.1,引入增广拉格朗日函数L,通过二次惩罚因子α和Lagrange乘法算子λ(t)来求取约束变分模型的最优解,二次惩罚因子α保证信号在高斯噪声下重构的精度,Lagrange乘法算子λ(t)加强约束:式中,f(t)为输入信号;步骤2.2.2,通过交替更新寻求变分模型最优解:步骤2.2.3,更新Lagrange乘法算子λ(t):步骤2.3.4,迭代更新,直至收敛满足限制条件,得到确定中心频率和带宽的模态分量:3.根据权利要求1所述的基于KNN-AdaBoost的轴承故障诊断方法,其特征在于,所述步骤3中的轴承故障特征向量包括均方根值、峭度值、偏度值,均值频率、频率散度、样本熵和排列熵;所述均方根值根据下式计算得到:式中,x为原始信号,N为样本个数;所述峭度值根据下式计算得到:式中,σx为信号的标准差;所述偏...
【专利技术属性】
技术研发人员:宋玉琴,邓思成,师少达,
申请(专利权)人:西安工程大学,
类型:发明
国别省市:陕西,61
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。