[发明专利]基于第二代小波变换与BP神经网络的轴承故障的诊断方法

权利要求书

1.一种基于第二代小波变换与BP神经网络的轴承故障的诊断方法，其特征在于步骤如下：

步骤1、采用第二代小波变换对传感器测量的轴承对传感器测量的轴承原始振动信号序列x＝(x_i)进行分解，得到分解信号s＝s⁽⁰⁾+U(d)，

其中：i＝0,1…L，L表示数据长度；s⁽⁰⁾为分解产生的偶样本序列，d为分解产生的细节信号，U(·)为第二代小波变换中点更新器，为更新器系数的个数；

步骤2、对分解后的信号s提取时域特性和频域特性组成联合特征集，再对提取的联合特征集采用特征评估方法构成敏感特征集；

步骤3、将敏感特征集作为BP神经网络的输入，构造BP网络的结构，采用已知样本对网络进行训练以建立基于BP神经网络的故障诊断模型，采用该故障诊断模型对机械设备的健康状态进行诊断识别。

2.根据权利要求1所述的对轴承故障进行诊断识别的方法，其特征在于：所述步骤1中采用第二代小波变换对传感器测量的轴承对传感器测量的轴承原始振动信号序列x＝(x_i)进行分解为三步：

剖分：将轴承原始振动信号序列分成偶样本序列和奇样本序列d(0)=xo=(di(0))i∈Z,si(0)=x2i,di(0)=x2i+1]]>

预测：利用算子P和偶样本s⁽⁰⁾预测奇样本d⁽⁰⁾，将预测误差d＝(d_i)_i∈Z定义为轴承原始振动信号经过第二代小波分解的细节信号：d＝d⁽⁰⁾-P(s⁽⁰⁾)，式中：P(·)定义为M点预测器，M为预测器系数的个数；

更新：在获得细节信号d的基础上，利用算子U更新偶样本s⁽⁰⁾，将更新后的信号序列s＝(s_i)_i∈Z定义为轴承原始振动信号经过第二代小波分解的信号s＝s⁽⁰⁾+U(d)，式中：U(·)定义为点更新器，为更新器系数的个数。