一种基于混合核函数凸包近似的滚动轴承异类检测方法技术

本发明专利技术公开了一种基于混合核函数凸包近似的滚动轴承异类检测方法，包括以下步骤：测量振动对象的振动加速度信号，提取振动信号的多尺度模糊分布熵；将得到的熵值选择前五个值后得到新的特征向量；随机选择一部分正常样本作为训练样本，训练基于混合核函数凸包近似的单分类分类器；将测试样本输入训练好的分类器中，根据分类结果识别滚动轴承故障与否。本发明专利技术提出的混合核函数凸包近似的滚动轴承异类检测方法，在模式识别的过程中具有较高的识别度。

A hybrid kernel function based on convex hull approximation for different detection of rolling bearing

【技术实现步骤摘要】
一种基于混合核函数凸包近似的滚动轴承异类检测方法
本专利技术属于滚动轴承检测领域，具体为一种基于混合核函数凸包近似的滚动轴承异类检测方法。
技术介绍
通滚动轴承是机械设备中的重要组成部分，其运行状况直接影响到整个生产线或机械系统。如果滚动轴承发生故障，不仅会引起经济损失，更严重者甚至会造成人员伤亡，因此对于滚动轴承的状态诊断非常重要。目前，常用的检测流程包括特征的提取、选择与分类。其中，很多时域、频域、时频阈的特征可以被用于故障诊断。但是，实际的振动信号通常表现出非平稳性和非线性特性，时频阈特征很难反映出信号的复杂性，因此越来越多的熵被提出，用于测量时间序列的复杂性，挖掘信号中潜在的信息。但是，单一尺度的熵存在很大的随机性。
技术实现思路
本专利技术的目的是针对以上问题，提供一种基于混合核函数凸包近似的滚动轴承异类检测方法。为实现以上目的，本专利技术采用的技术方案是：一种基于混合核函数凸包近似的滚动轴承异类检测方法，包括以下步骤：步骤1：通过加速度传感器获得滚动轴承的振动加速度信号，并从振动加速度信号中提取振动信号的多尺度模糊分布熵；步骤2：将得到的多尺度模糊分布熵的熵值选择前五个后作为新的特征向量；步骤3：随机选择一部分正常样本作为训练样本，训练基于混合核函数凸包近似的单分类分类器；步骤4：将测试样本的每个元素添加常数项后输入训练好的分类器中进行判断，若误差大于阈值，则说明该样本和训练样本不同类，否则属于训练样本同类。进一步的，所述步骤1中，提取振动信号的多尺度模糊分布熵的步骤如下：对原始信号x(t)进行采样得到离散序列，如下：x(i):1≤i≤N其中，N为原始序列xi＝{x1,x2,…,xN}的长度；对离散信号序列进行粗粒化，得到多个新的离散序列yτ，如下：yτ＝{yt(1),yt(2)...yt(j)}其中，τ为尺度因子；对每个粗粒化的信号序列进行模糊分布熵的计算，得到如下关系式：其中，fDistEn(m,n,r,M)表示模糊熵，m为嵌入维度，n为指数函数阶数，r为相似容限；M为直方图中柱的数量；p(i)每个柱对应的概率密度；对各尺度下的模糊分布熵值作为尺度因子的函数，获得多尺度模糊分布熵，关系式如下:MFDE(x,m,n,r,M,τ)＝fDistEn(yτ,m,n,r,M),τ＝1,2...τmax；其中，MFDE(x,m,n,r,M,τ)表示多尺度模糊分布熵函数；x代表凸包内部的点。进一步的，新的离散序列yτ(j)的表达式如下：其中，τ＝1，2……，为尺度因子；N为原始序列xi＝{x1,x2,…,xN}的长度。进一步的，粗粒化的信号序列进行模糊分布熵的计算具体包括如下步骤：根据信号序列，确定嵌入维度m，构造N-m+1个m维向量组成的矩阵并对每一个向量分别进行去均值操作，即：其中，m为嵌入维度；计算向量和之间的距离，对应元素差绝对值的最大值，即：根据模糊函数，计算向量和的相似度即：其中，为和之间的距离，r为相似容限，n为指数函数阶数；去除相似度矩阵的对角线元素并将矩阵变换为一个向量；概率密度估计，采用直方图的形式预测相似度矩阵的经验概率密度函数；定义模糊分布熵：进一步的，所述步骤3中训练基于混合核函数凸包近似的单分类分类器的具体步骤如下：由边界点的线性组合表示为凸包内部的点，表达式如下：其中，x代表凸包内部的点，代表凸包边界点，是每个边界点的系数，n表示边界点的数量；通过目标函数近似寻找凸包边界点，给样本中每个元素添加一项常量ω，即xi＝[xi；ω]，表达式如下：其中，Xtrain代表训练样本集，xi为Xtrain中的元素，Ctrain为训练样本集的系数矩阵；通过下面的迭代公式求解：其中，K为高斯核函数和多项式核函数线性组合的混合核函数，关系式如下：K＝λKrbf+(1-λ)Kpoly,0<λ<1其中Krbf为高斯核函数，Kpoly为多项式核函数，λ为混合系数，Krbf，Kpoly的关系式如下；Kpoly(xi,xj)＝(xi·xj+1)q若是训练样本集Xtrain中的边界点，则(且若j≠i)；通过求解训练样本集矩阵Ctrain，得到其对角线元素中前n个最大值对应点即为近似的凸包边界点；将边界点集合定义为X*，满足关系式如下：设K1＝K(Xtrain,Xtrain)，K2＝K(Xtrain,X*)，K3＝K(X*,X*)，则，其中，K1为训练样本集混合核函数，K2为训练样本集与边界点的混合核函数，K3为边界点的混合核函数；是训练样本集的边界点，为系数矩阵；计算实际集合Xtrain中元素与近似表达的集合中元素之间的误差，关系式如下：阈值为误差最大值，关系式如下：ε＝max(E)。本专利技术的有益效果：本专利技术通过提取原始振动信号的多尺度模糊分布熵，然后通过选择前5个熵值，输入到基于混合核函数的单分类分类器中进行训练；实际的滚动轴承振动信号具有很强的非线性和非平稳性，传统的时域、频域特征不能很好的反应信号内部潜在的信息，多尺度模糊分布熵可以用来量化时间序列的复杂度，很好的发掘信号内部的潜在特征。高斯核函数是典型的局部核函数，泛化能力弱，学习能力强；多项式核函数是典型的全局核函数，泛化能力强，学习能力弱；通过将两者线性结合起来，可以充分利用二者的优势。本专利技术基于多尺度模糊分布熵和混合核函数凸包近似，可以更好的识别滚动轴承故障与否。附图说明图1是本专利技术中滚动轴承异类检测流程图图2是本专利技术中采用的数据样本时域波形图。图3是本专利技术中不同类型的样本分别计算MFE，MDE和MFDE的结果图。具体实施方式为使本专利技术提取原始振动信号的多尺度模糊分布熵，然后通过选择前5个熵值，输入到基于混合核函数的单分类分类器中进行训练的目的得到实现，本专利技术采用以下实施例。如图1，一种基于混合核函数凸包近似的滚动轴承异类检测方法的步骤如下：步骤1：通过加速度传感器获得滚动轴承的振动加速度信号，并从振动加速度信号中提取振动信号的多尺度模糊分布熵；可以利用加速度传感器对轴承座进行测量，得到振动加速度信号，并提取该振动加速度信号的多尺度模糊分布熵；对原始信号x(t)进行采样得到离散序列如下：x(i):1≤i≤N其中，N为原始序列xi＝{x1,x2,…,xN}的长度；对离散信号序列进行粗粒化，得到多个新的离散序列yτ：yτ＝{yt(1),yt(2)...yt(j)}其中，τ＝1，2……，为尺度因子；N为原始序列xi＝{x1,x2,…,xN}的长度；对每本文档来自技高网...

【技术保护点】
1.一种基于混合核函数凸包近似的滚动轴承异类检测方法，其特征在于，包括以下步骤：/n步骤1：通过加速度传感器获得滚动轴承的振动加速度信号，并从振动加速度信号中提取振动信号的多尺度模糊分布熵；/n步骤2：将得到的多尺度模糊分布熵的熵值选择前五个后作为新的特征向量；/n步骤3：随机选择一部分正常样本作为训练样本，训练基于混合核函数凸包近似的单分类分类器；/n步骤4：将测试样本的每个元素添加常数项后输入训练好的分类器中进行判断，若误差大于阈值，则说明该样本和训练样本不同类，否则属于训练样本同类。/n

【技术特征摘要】
1.一种基于混合核函数凸包近似的滚动轴承异类检测方法，其特征在于，包括以下步骤：
步骤1：通过加速度传感器获得滚动轴承的振动加速度信号，并从振动加速度信号中提取振动信号的多尺度模糊分布熵；
步骤2：将得到的多尺度模糊分布熵的熵值选择前五个后作为新的特征向量；
步骤3：随机选择一部分正常样本作为训练样本，训练基于混合核函数凸包近似的单分类分类器；
步骤4：将测试样本的每个元素添加常数项后输入训练好的分类器中进行判断，若误差大于阈值，则说明该样本和训练样本不同类，否则属于训练样本同类。


2.根据权利要求1所述的一种基于混合核函数凸包近似的滚动轴承异类检测方法，其特征在于，所述步骤1中，提取振动信号的多尺度模糊分布熵的步骤如下：
对原始信号x(t)进行采样得到离散序列，如下：
x(i):1≤i≤N
其中，N为原始序列xi＝{x1,x2,…,xN}的长度；
对离散信号序列进行粗粒化，得到多个新的离散序列yτ，如下：
yτ＝{yt(1),yt(2)...yt(j)}
其中，τ为尺度因子；
对每个粗粒化的信号序列进行模糊分布熵的计算，得到如下关系式：



其中，fDistEn(m,n,r,M)表示模糊熵，m为嵌入维度，n为指数函数阶数，r为相似容限；M为直方图中柱的数量；p(i)每个柱对应的概率密度；
对各尺度下的模糊分布熵值作为尺度因子的函数，获得多尺度模糊分布熵，关系式如下:
MFDE(x,m,n,r,M,τ)＝fDistEn(yτ,m,n,r,M),τ＝1,2...τmax；
其中，MFDE(x,m,n,r,M,τ)表示多尺度模糊分布熵函数；x代表凸包内部的点。


3.根据权利要求2所述的一种基于混合核函数凸包近似的滚动轴承异类检测方法，其特征在于，新的离散序列yτ(j)的表达式如下：



其中，τ＝1，2……，为尺度因子；N为原始序列xi＝{x1,x2,…,xN}的长度。


4.根据权利要求2所述的一种基于混合核函数凸包近似的滚动轴承异类检测方法，其特征在于，粗粒化的信号序列进行模糊分布熵的计算具体包括如下步骤：
根据信号序列，确定嵌入维度m，构造N-m+1个m维向量Yim组成的矩阵并对每一个向量分别进行去均值操作，即：


...

【专利技术属性】
技术研发人员：丁子杨，赵贤珠，程军圣，何知义，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43