一种面向自适应参数多尺度熵值的高速轴承故障诊断方法技术

本发明专利技术公开了一种面向自适应参数多尺度熵值的高速轴承故障诊断方法，具体包括以下步骤：步骤(1)，获取高速轴承故障数据集；步骤(2)，设置相关参数；步骤(3)，获取故障特征的多尺度极差熵信息；步骤(4)，将获取多尺度极差熵特征信息输入深度极限学习机，构建高速轴承故障诊断模型：步骤(5)，通过最小二乘解步骤(6)，将自动编码器AE应用到ELM中；步骤(7)，对高速轴承故障测试集进行诊断，实现故障类型精确分类。与传统方法相比，本发明专利技术提出的故障诊断方法以最小裕度因子为目标函数，自适应选取MRE相关参数，其对故障特征信号能进行有效筛选，保证后续处理后故障特征信息的准确性，对故障识别的准确率较高。

【技术实现步骤摘要】

本专利技术涉及一种故障诊断方法，尤其是涉及一种面向高速轴承的故障诊断方法。

技术介绍

1、随着新能源技术的发展，高速滚动轴承成为了不可缺少的部件之一，在其发生故障时，可能会引起整个机械故障，造成严重损失，因此及时检测到故障位置并确认故障的类型至关重要。而从振动信号中提取特征信息是故障诊断中常用的处理方法，其中特征提取方法与专业知识、信号处理技术等结合越来越紧密。

2、近年来，随着非线性理论的快速发展，特别是以熵值为特征提取的方法得到了广泛应用。但是单一的熵值难以准确的反应出轴承故障的特征信息，而多尺度熵在熵的基础上增加了对时间序列复杂度的度量，通过多个时间尺度可以更好获得故障特征信息，因此多尺度熵也成为一种流行的工具，如多尺度模糊熵(multi-scale fuzzy entropy，简称mfe)、多尺度排列熵(multi-scale permutation entropy，简称mpe)、多尺度样本熵(multi-scale sample entropy，简称mse)等。同时，在工程实际中的故障诊断大多数参数选择都受限于先验知识，自适应性不足，本文档来自技高网...

【技术保护点】

1.一种面向自适应参数多尺度熵值的高速轴承故障诊断方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种面向自适应参数多尺度熵值的高速轴承故障诊断方法，其特征在于，所述步骤(2.2)的具体实施过程如以下所示步骤(A)至步骤(F)：

【技术特征摘要】

1.一种面向自适应参数多尺度熵值的高速轴承故障诊断方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：黄利平，廖紫洋，张宇建，吕方蕾，
申请(专利权)人：福达轴承集团有限公司，
类型：发明
国别省市：