一种面向滚动轴承的故障诊断方法技术

本发明专利技术公开了一种面向滚动轴承的故障诊断方法，包括以下步骤：步骤1.1：获取轴承振动信号；步骤1.2：变分问题转化；步骤1.3：更新模态分量及中心频率：步骤2.1：稀疏化处理；步骤2.2：量化特征信息；步骤3：对特征样本进行降维处理；步骤4.1：初始化参数；步骤4.2：进行最优反向学习；步骤4.3：对于最差的样本位置，对其进行随机最差反向学习策略，提高全局搜索能力；步骤4.4：设置适应度函数为分类准确率，获取DELM最优权重；步骤5.1：初始化深度极限学习机参数；步骤5.2：逐层获取数据的压缩表示；步骤5.3：求解隐藏层参数：步骤5.4：计算；步骤6：输入DELM。本发明专利技术的有益效果是：经过该方法优化的DELM诊断模型能更好的对故障特征样本进行诊断。

【技术实现步骤摘要】

本专利技术涉及一种故障诊断方法，尤其是涉及一种滚动轴承的故障诊断方法。

技术介绍

1、滚动轴承作为工业设备中核心部件，其可靠性和承载能力与机械系统的性能和安全密不可分。因此做好轴承的状态监测及故障诊断，对避免安全事故发生具有重大的现实意义。振动信号作为一种典型的非稳态信号，包含了丰富的轴承运行状况信息，被广泛运用于故障诊断之中。在故障状态下的轴承振动信号会出现重复的暂态脉冲，其包络谱在轴承故障特征频率及其谐波处呈现等间距谱线。因此，滚动轴承在发生故障后产生的振动响应无论是在时域还是频域，都展现出高维度、相关性强、信息冗余等特点。

2、在现有的滚动轴承的故障检测方法中，深度极限学习机(delm)是一种将自编码器(ae)与极限学习机相结合产生的深层神经网络，已被广泛运用于故障诊断领域，但由于delm是利用多个elm-ae堆叠进行计算从而构建出含多个隐含层的网络结构，各个elm-ae的初始输入权重会影响最终的训练结果；北方苍鹰算法(ngo)具有良好的稳定性与较高的收敛精度，可以更好的对所需参数进行迭代，但是算法本身会因为随机化初始迭代种群而导致其多样本文档来自技高网...

【技术保护点】

1.一种面向滚动轴承的故障诊断方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种面向滚动轴承的故障诊断方...

【专利技术属性】
技术研发人员：黄利平，马宗材，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：