[发明专利]一种基于IWO-KFCM算法的轴承时频谱图识别方法

权利要求书

1.一种基于IWO-KFCM算法的轴承时频谱图识别方法，其特征在于：包括步骤如下：

步骤1、数据采集、类别标记：设计旋转机械设备的故障实验，采集轴承在不同载荷、不同故障位置、不同故障程度下的振动信号，对各类状态信号进行截取、状态标记，形成已知状态类别的信号数据集和未知状态类别的信号数据集；

步骤2、获取灰度化的时频谱图：对已知状态信号数据集和未知状态信号数据集进行时频分析，获得时频谱图像并对其灰度化；

步骤3、基于时频谱图计算纹理特征：采用sobel算子计算各个灰度图像的梯度阵，并对灰度阵、梯度阵进行正规化，获得代表已知和未知状态图像纹理特征的灰度-梯度共生矩阵，并计算灰度-梯度二次统计特征，对特征矩阵进行归一化处理；

步骤4、对纹理特征进行主成分分析降维：对已知状态数据集和未知状态数据集的灰度-梯度共生矩阵进行主成分分析(PCA)，选择累计贡献率高于设定值的主成分；

步骤5、对降维后的已知状态纹理特征，通过IWO算法优化，获得各类状态特征的初始聚类中心：对已知状态的主成分进行杂草算法(IWO)优化，通过构造适应度函数选择各类最优的前P个已知状态数据样本，计算得到各个已知状态类别的初始聚类中心v_i；

步骤6、对降维后的未知状态纹理特征，导入IWO优化的初始聚类中心v_i，采用KFCM算法进行聚类分析识别，步骤如下：

(6-1)：确定初始聚类数目c，隶属度指数m，导入初始聚类中心vi；

(6-2)：根据聚类中心更新式，计算隶属度阵；

(6-3)：根据聚类中心和隶属度矩阵更新式，计算各个聚类中心；

(6-4)：重复步骤(6-2)，(6-3)，直到隶属度误差或迭代次数达到设定值。

2.根据权利要求1所述的一种基于IWO-KFCM算法的轴承时频谱图识别方法，其特征在于：所述步骤1中，振动信号来源于实验室平台或者实际工业机械设备。

3.根据权利要求1所述的一种基于IWO-KFCM算法的轴承时频谱图识别方法，其特征在于：所述步骤2中，时频分析的方法可采用小波变换、短时傅里叶变换或魏格纳分布，同类方法分析的参数设定一致，时频谱图像的灰度等级为256。

4.根据权利要求1所述的一种基于IWO-KFCM算法的轴承时频谱图识别方法，其特征在于：所述步骤3中，设定正规化方法，其中最大灰度和梯度值为64，所述灰度-梯度二次统计特征包括15个特征量：小梯度优势、大梯度优势、灰度分布不均匀性、梯度分布不均匀性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相关、灰度熵、梯度熵、混合熵、惯性、逆差距。所述正规化方法具体如下，对灰度阵进行正规化：

F(K,L)＝INT[f(K,L)×N_f/f_m]+1

式中：f(K，L)为灰度图像第(K,L)像点的灰度值，F(K,L)为正规化后的灰度阵，Nf为灰度阵f(K,L)中的最大灰度值，fm为正规化后希望的最大灰度值，

INT表示取整运算。在不过分损失图像信息的前提下，取fm＝64。

同理，对梯度阵进行正规化

G(K,L)＝INT[g(K,L)×N_g/g_m]+1

式中：g(K，L)为灰度图像中第(K，L)像点的梯度值，G(K,L)为正规化后的梯度阵，Ng为梯度阵g(K,L)中的最大梯度值，gm为正规化后希望的最大梯度值，取gm＝64。