[发明专利]基于局部切空间和支持向量机的机电系统故障诊断方法

权利要求书

1.一种基于局部切空间和支持向量机的机电系统故障诊断方法，其包括以下步骤：

1）利用数据采集设备获得待诊断机电设备的多类振动信号测量数据，并采用均值-方差标准化方法将多类振动信号测量数据进行归一化处理，得到具有零均值和单位方差的振动信号，其中多类振动信号包括正常的振动信号和各种故障的振动信号；

2）在归一化处理后的振动信号测量数据中截取一段长度为t的振动信号数据，先利用延迟重构方法将该振动信号数据均匀划分为N个子数据向量，然后分别计算每个子数据向量的20维的特征值，构成一个N×20的高维特征参数矩阵；并对高维特征参数矩阵每一维度数据归一化；其中20维的特征值由13个时域特征和7个频域特征构成；N为特征空间的样本点数，共20种表征机械振动特性的特征参数构建高维特征空间；

3）采用LTSA提取N×20高维特征参数矩阵的低维矩阵，得到主轴系统敏感稳定的故障特征低维流形；LTSA通过逼近每一样本点的切空间来构建低维流形的局部几何空间，然后利用局部切空间排列求出整体低维嵌入坐标，得到小样本数据；其中LTSA为局部切空间排列算法；

4）对小样本数据采用网格搜索算法进行LTSA参数(d,k)寻优，得到所有数据维数d和邻域点数k的排列组合，选择70%的小样本数据为训练集，剩下的为测试集；其中，d为数据维数，k为邻域点数，参数d网格搜索寻优范围小于数据维数且大于等于1，参数k寻优范围不小于数据维数，寻优步长为1；

5）利用SVM对降维后的小样本数据进行故障诊断的故障分类，并采用交叉验证选择最优SVM参数(c,γ)，采用在LTSA最优参数(d,k)和SVM最优参数(c,γ)的取值范围插值，分别构成二维网格P和Q，二维网格P中每个(d,k)参数组合对应二维网格Q中所有(c,γ)参数组合，构建SVM模型，保留准确率最高的(d,k)和(c,γ)组合为最终的寻优参数组合；其中SVM为基于径向基核函数的支持向量机，c为惩罚参数，γ为核函数参数；

6）根据寻优参数组合，利用LTSA提取训练集和测试集的高维特征空间的低维特征流形，训练SVM故障分类器，实现对机电系统的故障诊断。

2.如权利要求1所述的基于局部切空间和支持向量机的机电系统故障诊断方法，其特征在于：所述步骤1）中，采用均值-方差标准化方法将所测得的多类振动信号进行归一化预处理如下：首先，计算所测系统振动信号的离散数据样本X＝{x₁,x₂,...,x_n}的均值和方差σ，然后对该离散数据样本X进行归一化处理，即

xi′=xi-x‾σ.]]>