[发明专利]一种基于LMD-SVD和极限学习机的轴承变工况故障诊断方法

权利要求书

1.一种基于LMD-SVD和极限学习机的轴承变工况故障诊断方法，其特征在于：该方法的步骤如下：

步骤(1)、应用LMD分解原始振动信号，得到有限数目的PF信号分量；

步骤(2)、应用SVD处理得到的PF信号分量，提取简约稳定的奇异值作为故障特征值，以减小工况变化对特征值的影响；

步骤(3)、以提取的故障特征向量作为分类器的输入向量，应用ELM进行故障分类，实现变工况条件下轴承的故障诊断。

2.根据权利要求1所述的一种基于LMD-SVD和极限学习机的轴承变工况故障诊断方法，其特征在于：应用自适应信号处理方法LMD对轴承非线性非平稳的振动信号进行处理，获得若干个乘积函数(product functions,PFs)，其中，每一个PF分量都是一个包络信号和一个具有物理意义的纯调频信号的乘积，由此可以得到原始信号完整的时频分布。

3.根据权利要求1所述的一种基于LMD-SVD和极限学习机的轴承变工况故障诊断方法，其特征在于：应用SVD处理PF分量，提取PF分量的奇异值作为特征向量，由此获取更加稳定的特征向量以减小工况变化对特征向量的影响。

4.根据权利要求1所述的一种基于LMD-SVD和极限学习机的轴承变工况故障诊断方法，其特征在于：在LMD-SVD提取的特征向量的基础上，应用具有学习速度快、泛化性能好、分类精度高优良特性的ELM进行故障分类；首先，训练ELM，以各种故障状态下的若干特征向量作为训练输入向量，以数据的实际状态标签作为训练输出向量；然后，对任意时刻任意故障状态下的数据，提取其特征向量，再输入到ELM中，则ELM可以给出该数据的故障状态标签，即完成故障分类。