【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 ...
【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
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。