一种基于近似支持向量的滚动轴承故障诊断方法
专利类型：发明专利
语 言：中文
申 请 号：CN201910611796.7
申 请 日：20190708
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20191015
公 开 号：CN110333077A
代 理 人：胡长生
代理机构：重庆中流知识产权代理事务所(普通合伙)
摘 要：本发明公开了一种基于近似支持向量的滚动轴承故障诊断方法。首先用MiniBatchKmeans算法和支持向量机快速寻找到“近似支持向量”,然后利用“近似支持向量”在原始样本中筛选出“近似支持向量”附近的样本,最后用筛选出的样本训练支持向量机。本发明极大的减少了支持向量机的训练时间,同时确保故障诊断的准确率。
主 权 项：1.一种基于近似支持向量的滚动轴承故障诊断方法,包括首先通过加速度传感器分别采集正常状态和不同故障模式状态下轴承的振动加速度信号,并对该振动加速度信号进行数据预处理,得到包含不同状态的振动信号的样本点,其特征在于,还包括以下步骤：S100,分别对样本点中的时域特征和频域特征进行提取,其中,时域特征包括峰值、平均值、均方根值、歪度、俏度、波形指标、峰值指标、脉冲指标、俏度指标、裕度指标及歪度指标；同时对对各样本点的振动信号进行傅里叶变换,提取各振动信号的频域特征；S200,对原始振动信号进行希尔伯特-黄变换,提取时频域特征,包括对分解后的前4个本征模函数进行归一化,而后将其归一化后的数据作为特征,并从中提取时频域特征量；S300,将S100和S200中提取的特征量数据集整理为X＝{X1,X2,...,Xi,Xn,},对应的故障类型为Y＝{y1,y2,...yi,yn,}。 其中,包含n个样本的训练样本集,每个样本有m个特征,表示第i个样本,表示第i个样本的第j个特征,表示第i个样本对应的的类型标签。
关 键 词：
法律状态：
IPC专利分类号：G01M13/045;G06K9/00;G06K9/62