[发明专利]一种基于多层信息熵特征矩阵的轴承故障识别方法及系统

权利要求书

1.一种基于多层信息熵特征矩阵的轴承故障识别方法，其特征在于，所述方法包括：

提取滚动轴承运行中正常工况和故障工况的工况样本数据，所述工况样本数据包括：正常工况滚动轴承数据、内圈故障滚动轴承数据、滚珠故障滚动轴承数据和外圈故障滚动轴承数据；

将四种工况样本数据各采用经验模态分解EMD方法将时域信号分成五层信号；

所述将四种工况样本数据各采用经验模态分解EMD方法将时域信号分成五层信号包括：

将四种工况样本数据各采用EMD方法进行分解获取前五层IMF分量；

将前五层IMF分量作为五层信号并生成三维图像；

将EMD方法分解的五层信号的每层信号再分成八段计算得到8个信息熵，其中：四种工况各十组信号，每组信号通过EMD方法分解都可得到5*8的信息熵特征矩阵；

将每种工况对应的十组信号的十个5*8的信息熵特征矩阵对应元素相加求平均值得到一组5*8的平均信息熵特征矩阵；

以四种工况平均信息熵特征矩阵为基准，另随机选取四种工况共多组测试数据进行测试，测试数据的信息熵特征矩阵与四种工况平均信息熵特征矩阵计算空间距离并进行比对，如果所述测试数据与第一工况距离最近，则所述滚动轴承状态为第一工况，所述第一工况为四种工况中的任一工况。

2.根据权利要求1所述的方法，其特征在于，信息熵的计算公式如下：

H(x)＝-∑p(x_i)log(p(x_i)),i＝1,2,…,n，

其中：H(x)为求得的信息熵，p(x_i)为样本事件x_i的发生概率，x表示随机变量，随机变量的取值为x₁,x₂,...,x_n，且有∑p(x_i)＝1，信息熵的单位为bit。

3.根据权利要求1所述的方法，其特征在于，所述将每种工况对应的十组信号的十个5*8的信息熵特征矩阵对应元素相加求平均值得到一组5*8的平均信息熵特征矩阵，包括：

其中：k为平均信息熵特征矩阵，a为信息熵特征矩阵，n＝10表示10组训练数据。

4.根据权利要求1所述的方法，其特征在于，所述以四种工况平均信息熵特征矩阵为基准，另随机选取四种工况共多组测试数据进行测试，测试数据的信息熵特征矩阵与四种工况平均信息熵特征矩阵计算空间距离并进行比对，包括：计算测试信息熵矩阵与平均信息熵特征矩阵的距离

其中：d为测试信息熵矩阵与平均信息熵特征矩阵距离，b₁,b₂,...,b_i为测试信息熵特征矩阵中的元素，b_k1,b_k2,...,b_ki为平均信息熵特征矩阵中的元素，i＝1,2,3...40，测试数据信息熵矩阵中的元素与平均信息熵特征矩阵中的元素一一对应。

5.一种基于多层信息熵特征矩阵的轴承故障识别系统，其特征在于，所述系统包括：

提取模块，用于提取滚动轴承运行中正常工况和故障工况的工况样本数据，所述工况样本数据包括：正常工况滚动轴承数据、内圈故障滚动轴承数据、滚珠故障滚动轴承数据和外圈故障滚动轴承数据；

分解模块，用于将四种工况样本数据各采用经验模态分解EMD方法将时域信号分成五层信号；

所述分解模块包括：

分解单元，用于将四种工况样本数据各采用EMD方法进行分解获取前五层IMF分量；

图像生成单元，用于将前五层IMF分量作为五层信号并生成三维图像；

第一计算模块，用于将EMD方法分解的五层信号的每层信号再分成八段计算得到8个信息熵，其中：四种工况各十组信号，每组信号通过EMD方法分解都可得到5*8的信息熵特征矩阵；

第二计算模块，用于将每种工况对应的十组信号的十个5*8的信息熵特征矩阵对应元素相加求平均值得到一组5*8的平均信息熵特征矩阵；

工况确定模块，用于以四种工况平均信息熵特征矩阵为基准，另随机选取四种工况共多组测试数据进行测试，测试数据的信息熵特征矩阵与四种工况平均信息熵特征矩阵计算空间距离并进行比对，如果所述测试数据与第一工况距离最近，则所述滚动轴承状态为第一工况，所述第一工况为四种工况中的任一工况。