一种轴承故障诊断方法技术

本发明专利技术公开了一种轴承故障诊断方法，包括以下步骤：对滚动轴承振动信号进行故障特征提取；构建SVM分类器模型;根据训练集和IWOA算法更新所述SVM的分类器的惩罚参数和核函数参数：根据获取的最优的惩罚参数

A method of bearing fault diagnosis

【技术实现步骤摘要】
一种轴承故障诊断方法
本专利技术属于机械
，具体来说涉及一种轴承故障诊断方法。
技术介绍
滚动轴承是机械设备众多零部件中最常见的传动部件之一，属于易损易耗件。特别是在高速运行的机器中，轴承的故障诊断对确保其安全可靠运行起着重要作用。因此，快速、准确、便捷地诊断轴承故障，判别故障类型具有重大意义。目前，国内外学者对滚动轴承的故障诊断相关理论与技术进行了大量研究。采用基于集合经验模态分解(EnsembleEmpiricalModeDecomposition，EEMD)奇异值熵判据的滚动轴承故障诊断方法，能够清晰的划分出滚动轴承不同工作状态的类别特征区间。采用了自适应白噪声的完整集成经验模态分解方法(CompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise，CEEMDAN)分解降噪信号，有效地提取出了滚动轴承的微弱故障特征信息。通过主成分分析法对模糊熵(FuzzyEntropy，FuzzyEn)特征向量进行可视化降维后作为聚类算法的输入，实现对滚动轴承的故障诊断。而利用概率主成分分析(ProbabilisticPrincipalComponentAnalysis，PPCA)结合经验小波变换的滚动轴承轻微故障诊断方法，提取了轴承主要故障特征成分，去除强背景噪声干扰，重构了故障信号，提取出了故障特征。而对于支持向量机(SupportVectorMachine,SVM)的参数优化，现有粒子群优化算法(ParticleSwarmOptimization，PSO)、遗传算法(GeneticAlgorithm，GA)、灰狼算法(GreyWolfOptimizer，GWO)对SVM中分类准确率有较大影响的参数C和惩罚因子σ进行优化，均取得了一定效果，提高了轴承的诊断精度。鲸鱼优化算法(WhaleOptimizationAlgorithm,WOA)是MirjaliliS等在2016年提出的一种模拟座头鲸狩猎行为的新颖群体元启发式优化算法，WOA算法具有原理简单、操作简便，容易实现，需调参数少及鲁棒性强等优点，但基本WOA算法也可能会出现收敛速度慢、收敛后期出现停滞的缺陷，仍需要进一步改进。
技术实现思路
本专利技术的目的在于克服上述缺点而提供的一种轴承故障诊断能力强，识别准确率高的轴承故障诊断方法。本专利技术目的及解决其主要技术问题是采用以下技术方案来实现的：本专利技术的一种轴承故障诊断方法，包括以下步骤：(1)故障特征提取：1)获取轴承的振动信号，通过自适应白噪声的完整集成经验模态分解方法CEEMDAN提取振动信号的IMF模态分量；2)确定由CEEMDAN提取的IMF模态分量的模糊熵FuzzyEn，重构原始信号：3)通过概率主成分分析PPCA对重构信号进行主特征提取，剔除冗余信息；4)将经PPCA处理后的数据集作为特征向量，等比例构造支持向量机SVM的训练集和测试集并添加类别标签；(2)IWOA-SVM故障诊断：1)构建SVM分类器模型；2)根据所述训练集和IWOA算法更新所述SVM的分类器的惩罚参数和核函数参数：a、参数初始化：初始化IWOA算法参数a,A,C,w,v,l,p、最大迭代次数tmax，惩罚参数C的搜索空间[Cmin,Cmax]和核函数σ参数搜索空间[σmin,σmax]，其中A和C是系数向量，它们定义为：A＝2a·r-aC＝2·r(18)式中r表示[0,1]之间的随机数，a表示收敛因子，随着迭代次数的增加从2线性递减到0，rand()表示[0,1]之间的随机数；w是从PSO算法中引入的惯性权重w＝1-rand()/2，v是引入的“飞行”速度，l是[-1,1]中的随机数，p表示[0,1]之间的随机数；b、在搜索空间随机生成初始种群规模为N的座头鲸个体，则第i只鲸鱼在D维空间中的位置可表示成令t＝1；c、引入PSO算法中的w、v，计算出各个鲸鱼个体的适应度值进行比较，并记录猎物位置(最优鲸鱼位置)Y*,其中包括环绕猎物阶段、气泡捕食阶段、寻找猎物阶段；环绕猎物阶段：式中，t表示当前迭代，Y(t)表示第t代中鲸鱼个体的位置，Y*(t)表示第t代中最优鲸鱼的位置(猎物位置)，且伴随每次迭代更新自身位置；气泡捕食阶段(局部搜索)：式中，D'＝|Y*(t)-w(t)·Y(t)|，表示第i个鲸鱼到猎物的距离，b为螺旋常数，l是[-1,1]中的随机数，p表示[0,1]之间的随机数；寻找猎物阶段(全局搜索)：式中，Yr为当前种群中随机一只鲸鱼的位置；d、更新种群中座头鲸位置：若p＜0.5且|A|＜1，座头鲸按照(19)更新自身当前位置，否则，按照(21)更新，若p≥0.5，则依据公式(20)更新；e、更新IWOA算法参数a,A,C,w,v,l,p；f、计算更新后种群中鲸鱼个体的适应度值，再次进行评价，重新确定新的全局最优鲸鱼个体及其位置；g、判断是否满足算法的终止条件，即是否达到最大迭代次数，若未达到，则跳转至步骤c继续迭代；否则结束，输出全局最优Y*，即得到最优的惩罚参数Cbest和最优的核函数参数σbest；3)根据获取的最优的惩罚参数Cbest和最优的核函数参数σbest构建所述SVM的测试模型，根据步骤(1)4)所述的测试集、步骤(2)2)所述的最优惩罚参数Cbest和最优核函数参数σbest，以最长寻优时间、最短寻优时间和平均寻优时间、平均准确率、标准差作为评判标准，十折交叉验证后确定轴承的故障结果。上述的一种轴承故障诊断方法，其中步骤(1)1)通过自适应白噪声的完整集成经验模态分解方法CEEMDAN提取振动信号的IMF模态分量，包括步骤如下；a、利用经验模态分解(EmpiricalModeDecomposition，EMD)对信号s[n]+δ0wi[n]进行分解，其中，i在1,2...,I中取值；δ0是噪声标准偏差，wi-N(0,1)，定义第一个CEEMDAN模态分量为：b、计算第一个余量：c、定义Ek[·]为对给定信号进行EMD分解后的第k个模态分量，继续利用EMD对信号r1[n]+δ1E1(wi[n])，i＝1,2...,I，进行分解，直到解出第一个EMD分量，δk(k＝1)在每个阶段都可以选择信噪比，同时定义第二个CEEMDAN模态分量：d、当k＝1,2…,K时，计算第k个余量：e、再利用EMD对信号rk[n]+δkEk(wi[n])，i＝1,2…,I，进行分解，直到解出第一个EMD分量，并定义第k+1个CEEMDAN模态分量：f、下一个k转到步骤d，重复步骤d-步骤f，直到余量不能被继续分解，最后的余量可表示成：式中，K是模态分量总数，原始信号可表示成：可在每个阶段调整δi，选取不同信噪比的噪声本文档来自技高网...

【技术保护点】
1.一种轴承故障诊断方法，包括以下步骤：/n（1） 故障特征提取：/n1) 获取轴承的振动信号，通过自适应白噪声的完整集成经验模态分解方法CEEMDAN提取振动信号的IMF模态分量；/n2) 确定由CEEMDAN提取的IMF模态分量的模糊熵FuzzyEn，重构原始信号：/n3）通过概率主成分分析PPCA对重构信号进行主特征提取，剔除冗余信息；/n4）将经PPCA处理后的数据集作为特征向量，等比例构造支持向量机SVM的训练集和测试集并添加类别标签；/n（2）IWOA-SVM故障诊断：/n1) 构建SVM分类器模型;/n2) 根据所述训练集和IWOA算法更新所述SVM的分类器的惩罚参数和核函数参数：/na、参数初始化：初始化IWOA算法参数

【技术特征摘要】
1.一种轴承故障诊断方法，包括以下步骤：
（1）故障特征提取：
1)获取轴承的振动信号，通过自适应白噪声的完整集成经验模态分解方法CEEMDAN提取振动信号的IMF模态分量；
2)确定由CEEMDAN提取的IMF模态分量的模糊熵FuzzyEn，重构原始信号：
3）通过概率主成分分析PPCA对重构信号进行主特征提取，剔除冗余信息；
4）将经PPCA处理后的数据集作为特征向量，等比例构造支持向量机SVM的训练集和测试集并添加类别标签；
（2）IWOA-SVM故障诊断：
1)构建SVM分类器模型;
2)根据所述训练集和IWOA算法更新所述SVM的分类器的惩罚参数和核函数参数：
a、参数初始化：初始化IWOA算法参数、最大迭代次数，惩罚参数的搜索空间和核函数参数搜索空间，其中和是系数向量，它们定义为：



式中表示[0,1]之间的随机数，表示收敛因子，随着迭代次数的增加从2线性递减到0，表示[0,1]之间的随机数；

是从PSO算法中引入的惯性权重，是引入的“飞行”速度，是[-1,1]中的随机数，表示[0,1]之间的随机数；
b、在搜索空间随机生成初始种群规模为的座头鲸个体，则第只鲸鱼在维空间中的位置可表示成，,令；
c、引入PSO算法中的，计算出各个鲸鱼个体的适应度值进行比较，并记录猎物位置（最优鲸鱼位置）,其中包括环绕猎物阶段、气泡捕食阶段、寻找猎物阶段；
环绕猎物阶段：



式中，表示当前迭代，表示第代中鲸鱼个体的位置，表示第代中最优鲸鱼的位置（猎物位置），且伴随每次迭代更新自身位置；
气泡捕食阶段（局部搜索）：



式中，，表示第个鲸鱼到猎物的距离，为螺旋常数，是[-1,1]中的随机数，表示[0,1]之间的随机数；
寻找猎物阶段（全局搜索）：



式中，为当前种群中随机一只鲸鱼的位置；
d、更新种群中座头鲸位置：若且，座头鲸按照(19)更新自身当前位置，否则，按照(21)更新，若，则依据公式(20)更新；
e、更新IWOA算法参数；
f、计算更新后种群中鲸鱼个体的适应度值，再次进行评价，重新确定新的全局最优鲸鱼个体及其位置；
g、判断是否满足算法的终止条件，即是否达到最大迭代次数，若未达到，则跳转至步骤c继续迭代；否则结束，输出全局最优，即得到最优的惩罚参数和最优的核函数参数；
3）根据获取的最优的惩罚参数和最优的核函数参数构建所述SVM的测试模型，根据步骤（1）4）所述的测试集、步骤（2）2）所述的最优惩罚参数和最优核函数参数，以最长寻优时间、最短寻优时间和平均寻优时间、平均准确率、标准差作为评判标准，十折交叉验证后确定轴承的故障结果。


2.如权利要求1所述的一种轴承故障诊断方法，其中步骤（1）1）通...

【专利技术属性】
技术研发人员：黄海松，范青松，韩正功，艾彬彬，李玢，
申请(专利权)人：贵州大学，
类型：发明
国别省市：贵州;52