基于特征融合等势星球图的故障信号诊断方法技术

本发明专利技术提供一种基于特征融合等势星球图的故障信号诊断方法，包括步骤：S1：分别提取一轴承的正常信号和故障信号的近似熵；S2：分别提取正常信号和故障信号的排列熵；S3：将提取到的近似熵和排列熵映射为二维图像，分别作为横坐标轴和纵坐标轴；S4：对映射后的二维图像进行点密度计算并着色生成对应的等势星球图；S5：使用深度学习PCANet网络对故障信号进行分类。本发明专利技术的一种基于特征融合等势星球图的故障信号诊断方法，通过对故障信号进行熵特征提取，将融合熵特征映射为图像的二维坐标，并对映射后的图像进行点密度计算和着色生成融合特征熵的等势星球图,为故障诊断领域等相关的工程实践提供可靠的理论依据。工程实践提供可靠的理论依据。工程实践提供可靠的理论依据。

【技术实现步骤摘要】
基于特征融合等势星球图的故障信号诊断方法


[0001]本专利技术涉及滚动轴承故障信号诊断领域，尤其涉及一种基于特征融合等势星球图的故障信号诊断方法。

技术介绍

[0002]滚动轴承作为旋转机械的重要零部件，被广泛运用在机械设备和工业生产中。在长期的生产和使用中，滚动轴承容易发生故障，影响机械设备安全运行。如何有效地对滚动轴承故障信号诊断对于机械设备的可靠运行具有重要意义。
[0003]传统的轴承故障信号的特征提取如傅里叶变换、小波变换、分形维数等方法都存在简单、单一、线性、鲁棒性不强等缺点，不能保证诊断结果的可靠性和准确性。因此如何提高轴承故障诊断的可靠性和准确性成为当下研究的重点。

技术实现思路

[0004]针对上述现有技术中的不足，本专利技术提供一种基于特征融合等势星球图的故障信号诊断方法，通过对故障信号进行熵特征提取，将融合熵特征映射为图像的二维坐标，并对映射后的图像进行点密度计算和着色生成融合特征熵的等势星球图,为故障诊断领域等相关的工程实践提供可靠的理论依据。
[0005]为了实现上述目的，本专利技术提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征融合等势星球图的故障信号诊断方法，包括步骤：S1：分别提取一轴承的正常信号和故障信号的近似熵；S2：分别提取所述正常信号和所述故障信号的排列熵；S3：将提取到的所述近似熵和所述排列熵映射为二维图像，分别作为横坐标轴和纵坐标轴；S4：对映射后的所述二维图像进行点密度计算并着色生成对应的等势星球图；S5：使用深度学习PCANet网络对所述故障信号进行分类。2.根据权利要求1所述的基于特征融合等势星球图的故障信号诊断方法，其特征在于，所述近似熵满足公式：ApEn(m，r)＝φ
m
(r)
‑
φ
m+1
(r)
ꢀꢀꢀ
(1)；其中ApEn(m，r)表示近似熵，m为预先选定的模式维数，r为预先选定的相似容限，φ
m
(r)表示m维模式在相似容限r意义下的相互近似概率对数的平均值；所述近似熵的计算包括步骤：S11：设存在一个以等时间间隔采样获得的N维的时间序列u(1)，u(2)，
…
u(N)，重构m维向量X(1)，X(2)，
…
X(N
‑
m+1)，X(i)＝[u(i)，u(i+1)，
…
u(i+m
‑
1)]，其中1≤i≤N
‑
m+1；S12：对每一个i值计算矢量X(i)与其余矢量X(j)之间的距离d[X(i)，X(j)：d[X(i)，X(j)＝max
k＝0～m
‑1|u(i+k)
‑
u(j+k)|
ꢀꢀꢀ
(2)；S13：给定阈值r(r＞0)，对每一个i值统计d[X(i)，X(j)＜r的数目及此数目与总的矢量个数N
‑
m+1的比值，记为m+1的比值，记为S1...

【专利技术属性】
技术研发人员：李靖超，王瑞，应雨龙，张斌，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：