一种基于层次全局模糊熵的滚动轴承故障诊断方法技术

本发明专利技术涉及一种基于层次全局模糊熵的滚动轴承故障诊断方法，采集滚动轴承的振动信号；对采集到的振动信号进行层次分解，计算第四个分解尺度上八个节点信号的全局模糊熵；将八个层次全局模糊熵作为滚动轴承故障特征向量；将得到的故障特征向量分为训练集和测试集；利用训练集训练支持向量机获得预测模型，利用预测模型对测试集进行预测；根据预测结果完成滚动轴承故障严重程度和故障类型的识别。本发明专利技术针对原始模糊熵算法和多尺度分析的局限，引入全局模糊熵和层次分解提取轴承故障特征。通过结合层次分解和全局模糊熵的优点，本发明专利技术提出的层次全局模糊熵能够从轴承振动信号中提取更加丰富的故障信息，在滚动轴承故障识别中有更好的分类性能。

【技术实现步骤摘要】
一种基于层次全局模糊熵的滚动轴承故障诊断方法
本专利技术涉及一种故障诊断技术，特指一种基于层次全局模糊熵的滚动轴承故障诊断方法。
技术介绍
滚动轴承在旋转机械中的应用非常广泛，其运行状态直接影响着整个机器的正常运转。因此，对滚动轴承的工作状态进行诊断有着重要的意义。在滚动轴承各种各样的故障诊断方法中，最常用而有效的方法是基于振动信号的诊断。故障特征提取与故障状态识别是滚动轴承故障诊断的两个主要方面，其中故障特征提取又在很大程度上决定着故障状态识别的效果。由于运行工程中受到间隙、摩擦等非线性因素的影响，滚动轴承振动信号呈现出非线性非平稳的特征。因此，传统的时域和频域方法在分析此类信号是存在这很大的局限性。近年来，随着非线性动力学的发展，很多研究学者把非线性动力学技术应用到滚动轴承的故障特征提取中。这其中基于熵的参数：近似熵、样本熵、模糊熵和多尺度模糊熵等得到了广泛的关注，在故障特征提取应用过程中效果良好。但是，上面提到的这些熵参数都还各自存在着一定的局限，近似熵对数据长度过分依赖；样本熵克服了近似熵自身匹配的缺点且降低了对本文档来自技高网...

【技术保护点】
1.一种基于层次全局模糊熵的滚动轴承故障诊断方法，其特征在于：包括如下步骤：/n1)、测量滚动轴承的振动信号；/n2)、计算滚动轴承振动信号的层次全局模糊熵：/n3)、选取层次分解第四个尺度上八个节点信号的全局模糊熵作为滚动轴承故障特征向量；/n4)、将得到的层次全局模糊熵特征分为训练和测试两类样本；/n5)、利用训练样本对支持向量机进行训练得到预测模型；/n6)、利用得到的预测模型对测试样本进行预测；/n7)、根据预测结果识别滚动轴承的故障严重程度与故障类型。/n

【技术特征摘要】
1.一种基于层次全局模糊熵的滚动轴承故障诊断方法，其特征在于：包括如下步骤：
1)、测量滚动轴承的振动信号；
2)、计算滚动轴承振动信号的层次全局模糊熵：
3)、选取层次分解第四个尺度上八个节点信号的全局模糊熵作为滚动轴承故障特征向量；
4)、将得到的层次全局模糊熵特征分为训练和测试两类样本；
5)、利用训练样本对支持向量机进行训练得到预测模型；
6)、利用得到的预测模型对测试样本进行预测；
7)、根据预测结果识别滚动轴承的故障严重程度与故障类型。


2.如权利要求1所述的一种基于层...

【专利技术属性】
技术研发人员：朱可恒，胡雄，肖世昌，王跃华，顾邦平，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海;31