【技术实现步骤摘要】
基于后缀树和向量机的故障检测方法、系统、装置及介质
[0001]本专利技术涉及故障检测
，尤其是一种基于后缀树和向量机的故障检测方法、系统、装置及介质。
技术介绍
[0002]现如今，对滚动轴承的故障诊断分析大多基于振动信号，而振动信号具有非线性、非平稳性等特点，利用它可获取充分表达信号特征的信息。现有技术中，对于振动信号的处理，一般采用傅里叶变换等进行时频转化方法，例如基于Daubechies小波变换的滚动轴承故障特征提取方法。这种方法在处理过程中会出现混叠现象从而产生误差，且该类误差由傅里叶算法原理产生，不可避免。由于对振动信号的特征提取存在较大误差，因此，现有的关于振动信号的故障检测方法往往并不准确。
技术实现思路
[0003]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0004]为此，本专利技术实施例的一个目的在于提供一种基于后缀树和向量机的故障检测方法，该方法通过对振动信号进行分解，获取重复特征波形和重复时间序列两个不同尺度的信息，避免了傅里叶算法的混叠现象...
【技术保护点】
【技术特征摘要】
1.一种基于后缀树和向量机的故障检测方法，其特征在于，包括以下步骤：获取第一振动信号，并通过后缀树算法对所述第一振动信号进行分解，得到第一重复特征波形和第一重复时间序列；根据所述第一重复特征波形和所述第一重复时间序列确定所述第一振动信号的第一时频特征图，并根据所述第一时频特征图构建训练样本集；构建支持向量机分类器，所述支持向量机分类器以所述训练样本集作为输入，以所述第一时频特征图对应的故障类型作为输出；将所述训练样本集输入到所述支持向量机分类器中进行训练，对所述支持向量机分类器的参数进行优化，得到最优参数组合；根据所述最优参数组合确定分类决策函数，进而根据所述分类决策函数确定待检测的第二振动信号的故障类型。2.根据权利要求1所述的一种基于后缀树和向量机的故障检测方法，其特征在于，所述通过后缀树算法对所述第一振动信号进行分解，得到第一重复特征波形和第一重复时间序列这一步骤，其具体包括：通过平均分布或高斯分布对所述第一振动信号进行编码得到第一时域信号；通过后缀树算法对所述第一时域信号进行分解，得到多个故障波形信息和对应的时刻信息，并根据所述故障波形信息和所述时刻信息构建第一后缀树；对所述第一后缀树的各个节点进行遍历，获取重复出现的故障波形信息作为第一重复特征波形，并确定所述第一重复特征波形的第一重复时间序列。3.根据权利要求2所述的一种基于后缀树和向量机的故障检测方法，其特征在于，所述对所述第一后缀树的各个节点进行遍历，获取重复出现的故障波形信息作为第一重复特征波形，并确定所述第一重复特征波形的第一重复时间序列这一步骤，其具体包括：从所述第一后缀树的根节点开始，通过深度优先的嵌套遍历算法对所述第一后缀树的各个节点进行遍历；获取重复出现的故障波形信息作为第一重复特征波形，并确定所述第一重复特征波形对应的多个时刻信息；根据所述第一重复特征波形对应的多个时刻信息确定所述第一重复特征波形的第一重复时间序列。4.根据权利要求1所述的一种基于后缀树和向量机的故障检测方法，其特征在于，所述根据所述第一重复特征波形和所述第一重复时间序列确定所述第一振动信号的第一时频特征图，并根据所述第一时频特征图构建训练样本集这一步骤，其具体包括：根据预设的重复长度范围，对所述第一重复特征波形和所述第一重复时间序列进行归一化处理，得到所述第一振动信号的第一时频特征图；根据所述第一时频特征图确定训练样本；获取所述第一振动信号的故障类型，根据所述故障类型生成故障类型标签；根据所述训练样本和所述故障类型标签构建训练样本集。5.根据权利要求1所述的一种基于后缀树和向量机的故障检测方法，其特征在于，所述最优参数组合包括：支持向量、支持向量的数量、拉格朗日参数、类别标记、权重因子、尺度、衰减参数、核函数参数以及分类阈值。
6...
【专利技术属性】
技术研发人员：岳夏，翁润庭，张春良，朱厚耀，王亚东，陆凤清，李植鑫，
申请(专利权)人：广州大学，
类型：发明
国别省市：
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。