[发明专利]一种滚动轴承故障诊断的方法在审
| 申请号： | 201810137991.6 | 申请日： | 2018-02-10 |
| 公开（公告）号： | CN108168890A | 公开（公告）日： | 2018-06-15 |
| 发明（设计）人： | 薛殿威;付胜;周忠臣;王晓铭;于梦瑶 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G01M13/04 | 分类号： | G01M13/04;G06K9/62;G06N3/00 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 沈波 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 诊断 滚动轴承故障诊断 本征模函数分量 时域信号样本 支持向量机 模态分解 轴承故障 滚动轴承 振动加速度信号 滚动轴承故障 旋转机械故障 测试样本 故障状态 样本输入 滚动体 内圈 峭度 | ||
1.一种滚动轴承故障诊断的方法，其特征在于：该方法包括以下步骤，
步骤S1：分别获取滚动轴承在正常、外圈故障、内圈故障、滚动体故障状态下各n组振动加速度信号，n≥10，这四种状态分别得到n组时域信号样本集，分别记为xmn(t)，其中m＝1，2，3，4，n＝1，2，3，……，n；
步骤S2：对得到的时域信号样本集中的样本进行互补总体平均模态分解，得到m个本征模函数分量即IMF分量；
步骤S3：对每个IMFmn分量的j个cmni(t)求取峭度值Kmnj；
步骤S4：建立基于支持向量机的轴承故障诊断模型；
步骤S5：将测试样本或者实时样本输入到轴承故障诊断模型中，对故障进行诊断。
2.根据权利要求1所述的一种滚动轴承故障诊断的方法，其特征在于：具体进行如下处理：
步骤S2.1：在原始信号中分别与一对幅值相同、正负成对的高斯白噪声y(t)相加，得到xmn1(t)和xmn2(t)两个新信号：
xmn1(t)＝xmn(t)+y(t)，xmn2(t)＝xmn(t)-y(t)；
步骤S2.2：分别对xmn1(t)和xmn2(t)做EMD分解，得到两组IMF分量，分别记为IMFmn1，IMFmn2，对每组IMF取均值，
步骤S2.3：将每个IMFmn分量记为cmni(t)，则
其中，i为IMFmn分量的序号数，j为IMFmn分量的个数，rj(t)为趋势余量。
3.根据权利要求1所述的一种滚动轴承故障诊断的方法，其特征在于：S4的具体进行如下处理：
步骤S4.1：将峭度值Kmnj组成一个(mn)×j的故障特征矩阵K，
并将故障特征矩阵K分为训练样本和测试样本；
步骤S4.2：使用训练样本对轴承故障诊断模型进行训练；
步骤S4.3：采用粒子群算法对轴承故障诊断模型进行参数优化，优化的参数包括核函数参数g和误差项的惩罚参数c。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京工业大学，未经北京工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810137991.6/1.html，转载请声明来源钻瓜专利网。
