[发明专利]一种基于改进曼哈顿距离的滚动轴承故障诊断方法

权利要求书

1.一种基于改进曼哈顿距离的滚动轴承故障诊断方法，其特征在于，所述方法包括：

提取滚动轴承运行中正常工况样本数据和故障工况样本数据；

将所述工况样本数据和故障工况样本数据分别进行等分处理，获得多个正常工况样本子数据和故障工况样本子数据；

将所述工况样本子数据和故障工况样本子数据分别进行SDP变换；

将SDP变换后的所述工况样本子数据和故障工况样本子数据图像二值化获得二值图像，并提取所述二值图像的局部矩阵，所述二值图像包括：工况样本子数据和故障工况样本子数据二值化后的所有二值图像；

计算每个样本子数据对应的局部矩阵的均值矩阵；

对每个样本子数据的局部矩阵和均值矩阵进行椒盐去噪；

计算每个样本子数据的均值矩阵的最大特征根；

计算每个样本子数据的局部矩阵与均值矩阵的曼哈顿距离，并计算曼哈顿距离的平均值；

将曼哈顿距离的平均值分别与其对应的样本子数据对应的均值矩阵的k倍最大特征根相加，分别提取所述正常工况样本数据和故障工况样本数据中样本子数据对应的最大值和最小值；

所述将曼哈顿距离的平均值分别与其对应的每个样本子数据对应的均值矩阵的k倍最大特征根相加，包括：

D_new＝D_m+k*λ_max

其中，D_new为改进的曼哈顿距离，D_m为平均值，λ_max为平均矩阵的最大特征根，k是一正整数。

2.根据权利要求1所述的基于改进曼哈顿距离的滚动轴承故障诊断方法，其特征在于，所述将所述工况样本数据和故障工况样本数据分别进行等分处理，包括：分别将所述工况样本数据和故障工况样本数据等分为10等分。

3.根据权利要求1所述的基于改进曼哈顿距离的滚动轴承故障诊断方法，其特征在于，所述将SDP变换后的所述工况样本子数据和故障工况样本子数据图像二值化获得二值图像，并提取所述二值图像的局部矩阵包括：

其中，f(i,j)为当前像素点的灰度值，T为选定的阈值，当前像素点的灰度值大于或等于T时，灰度值变为1，否则变为0。

4.根据权利要求1所述的基于改进曼哈顿距离的滚动轴承故障诊断方法，其特征在于，所述对每个样本子数据的局部矩阵和均值矩阵进行椒盐去噪，包括：

y_i,j＝Med{x_i,j}

其中，x_i,j是矩阵里每一点的数，y_i,j是经过中值滤波之后的数，Med为取x_i,j周围的中值。

5.根据权利要求1所述的基于改进曼哈顿距离的滚动轴承故障诊断方法，其特征在于，所述计算每个样本子数据的均值矩阵的最大特征根，包括：

|λ_n-A|＝0,n＝1,2,3,L,600

λ_max＝max(λ_n)

其中，I是单位矩阵，A是所求特征值的均值矩阵，根据上述公式求得的λ_n为所求矩阵的第n个特征根，λ_max为最大的特征根，L为时间间隔参数。

6.根据权利要求5所述的基于改进曼哈顿距离的滚动轴承故障诊断方法，其特征在于，所述计算每个样本子数据的局部矩阵与均值矩阵的曼哈顿距离，包括：

其中，x_tk为每种工况的10份样本子数据对应的局部矩阵，x_mk为均值矩阵，d_(t,m)为局部矩阵到均值矩阵的曼哈顿距离，n是矩阵的阶数。

7.根据权利要求6所述的基于改进曼哈顿距离的滚动轴承故障诊断方法，其特征在于，所述计算曼哈顿距离的平均值包括：

其中，d_k(t,m)为每一份矩阵到均值矩阵的曼哈顿距离，n是矩阵的阶数，D_m为所求的平均值。