[发明专利]一种基于MEEMD排列熵的高速列车轮对轴承故障诊断方法

权利要求书

1.一种基于MEEMD排列熵的高速列车轮对轴承故障诊断方法，其特征是：依次包括以下步骤：

1)信号采集：采集的原始振动信号；

2)预处理：对原始振动信号进行滤波消噪；

3)MEEMD分解：采用MEEMD方法对进行预处理之后的信号分解，获取一系列窄带本征模态函数IMFs，确定MEEMD过程的高斯白噪声幅值系数和EEMD的分解次数；

4)排列熵特征提取：利用相关系数法选取和原始数据最为相关的IMFs，根据预处理后的振动信号和选定的IMFs的分量选择相应的嵌入维数与延迟时间并进行相空间重构，计算各尺度信号的排列熵测度值，用排列熵测度值组成高维特征向量；

5)分组：将高维特征向量分为两组，一组作为训练样本输入至LSSVM得到LSSVM分类模型，另一组作为待测样本输入至训练模型；

6)训练模型：通过训练样本对LSSVM分类模型进行训练，获得训练好的LSSVM分类模型；

7)诊断结果：利用训练好的LSSVM分类模型对待测样本进行诊断。

2.根据权利要求1所述的一种基于MEEMD排列熵的高速列车轮对轴承故障诊断方法，其特征是：通过小波包变换对原始振动信号进行滤波消噪。

3.根据权利要求1所述的一种基于MEEMD排列熵的高速列车轮对轴承故障诊断方法，其特征是：MEEMD步骤如下：

1)原始振动信号进行滤波消噪，得到待分析信号x(t)；

2)在待分析信号x(t)中加入绝对值相等的正负两组白噪声信号n(t)，分别进行集总平均次数相等的EEMD分解，如式(1)和式(2)：

式中：c_i+(t)和c_i-(t)(i＝1,2,…,m)代表分解得到的两组结果；

3)对分解获得的两组结果里相应IMF分量求均，如式(3)：

c_i(t)＝0.5(c_i+(t)+c_i-(t)),i＝1,2,…,m (3)

4)将c_i(t)定义为pro-IMF，对c_i(t)进行EMD分解，如式(4)和式(5)：

式中：d₁(t)表示第一个pro-IMF分量；c₁(t)经EMD分解得到的第1个IMF分量，q₁(t)表示剩下的残余分量的叠加；h_k(t)表示第k个pro-IMF分量，h_k(t)是由第k－1个残余分量q_k-1(t)和第k个分量c_k(t)所组成，d_k(t)表示由h_k(t)分解得到的第1个IMF分量，q_k(t)表示h_k(t)残余分量的叠加，其中k＝2,…,m；

5)则c_i(t)表示如式(6)：

式中：d_l(t)表示最终得到的IMF分量，r(t)表示残余分量。