一种港机车轮轴承的故障状态识别方法技术

本发明专利技术公开港机车轮轴承的故障状态识别方法，是将采集的不同故障状态下港机车轮轴承振动信号数据均匀分割形成多个样本，构建形成分类标签矩阵；对所有样本分别进行时域、频域及时频域特征提取得到特征数，建立以样本总数作为行数，以特征数作为列数的高维原始特征数据集矩阵；采用皮尔逊相关系数和残差分析相结合方法，对得到的特征参数进行相关性分析，提取判别特征对高维原始特征数据集矩阵降维，得到样本特征矩阵；将降维后样本特征矩阵及对应的标签矩阵，导入深度置信网络算法分类训练，得到轴承故障状态分类模型。本发明专利技术能准确有效地检测轴承故障，克服了传统方法在轴承故障识别中的不足。

【技术实现步骤摘要】
一种港机车轮轴承的故障状态识别方法
本专利技术涉及装备系统故障监测诊断
，特别是涉及一种基于相关系数以及深度学习的港机车轮轴承的故障状态识别方法。
技术介绍
港机台车轴承是一种承载量大、工作转速低且工作频繁的滚动轴承，在运行中承受较大载荷。轴承一旦发生故障会严重影响生产，同时轴承相应的维修更换工作周期较长，这会导致较大经济损失。因此有必要对轴承故障状态进行监测以提高的生产工作效率。传统的轴承故障检测技术主要包括铁谱诊断技术以及温度诊断技术等，但铁铺诊断技术仅适用于润滑油润滑的轴承故障诊断，不具有推广性；温度诊断技术对轴承烧伤判断较好，但仅适用于机器中轴承的简单常规诊断。
技术实现思路
本专利技术的目的是针对现有技术中存在的技术缺陷，而提供一种港机车轮轴承的故障状态识别方法。为实现本专利技术的目的所采用的技术方案是：一种港机车轮轴承的故障状态识别方法，包括以下步骤：S1、在港机车轮轴承上安装振动传感器，通过振动传感器采集不同故障类别下运转状态的轴承振动加速度信号；S2、将不同故障状态下的轴承振动信号数据均匀分割形成多个样本，每种轴承故障状态都有由N个样本形成的样本集，样本总数T＝N*本文档来自技高网...

【技术保护点】
1.一种港机车轮轴承的故障状态识别方法，其特征在于，包括以下步骤：S1、在港机车轮轴承上安装振动传感器，通过振动传感器采集不同故障类别下运转状态的轴承振动加速度信号；S2、将不同故障状态下的轴承振动信号数据均匀分割形成多个样本，每种轴承故障状态都有由N个样本形成的样本集，样本总数T＝N*C，C是轴承故障类别数；按轴承故障类别对相应的样本进行标记，标注值为1、2、…C,构建形成分类标签矩阵L＝T×1，其中行数与样本总数相同为T，列数为1列；S3、对所有样本分别进行时域、频域以及时频域特征提取得到特征数B，然后以样本总数T作为高维原始特征数据集的行数，以特征数B作为高维原始特征数据集的列数，得到高...

【技术特征摘要】
1.一种港机车轮轴承的故障状态识别方法，其特征在于，包括以下步骤：S1、在港机车轮轴承上安装振动传感器，通过振动传感器采集不同故障类别下运转状态的轴承振动加速度信号；S2、将不同故障状态下的轴承振动信号数据均匀分割形成多个样本，每种轴承故障状态都有由N个样本形成的样本集，样本总数T＝N*C，C是轴承故障类别数；按轴承故障类别对相应的样本进行标记，标注值为1、2、…C,构建形成分类标签矩阵L＝T×1，其中行数与样本总数相同为T，列数为1列；S3、对所有样本分别进行时域、频域以及时频域特征提取得到特征数B，然后以样本总数T作为高维原始特征数据集的行数，以特征数B作为高维原始特征数据集的列数，得到高维原始特征数据集矩阵T×B；S4、采用皮尔逊相关系数和残差分析相结合方法，对所得到的高维原始特征数据集矩阵T×B进行相关性分析，提取最具有预定判别度的Z个特征对高维原始特征数据集矩阵降维，得到样本特征矩阵为T×Z；S5、在计算...

【专利技术属性】
技术研发人员：刘锋，翟佳缘，金慧迪，王国锋，安华，
申请(专利权)人：天津金岸重工有限公司，
类型：发明
国别省市：天津,12