[发明专利]一种轴承故障的诊断方法、装置、计算机设备和存储介质

权利要求书

1.一种轴承故障的诊断方法，其特征在于，所述方法包括：

获取轴承的振动信号，通过自适应白噪声的完整集成经验模态分解方法CEEMDAN提取所述振动信号的IMF模态分量；

确定所述模态分量的能量熵，将所述能量熵作为特征向量进行归一化处理，构造支持向量机SVM的训练集和测试集；

根据所述训练集和群智能优化算法更新所述SVM的分类器的惩罚参数和核函数参数；

所述SVM根据所述测试集、所述惩罚参数和所述核函数参数确定所述轴承的故障结果。

2.根据权利要求1所述方法，其特征在于，根据所述训练集和群智能优化算法更新所述SVM的分类器的惩罚参数和核函数参数包括：

通过粒子群算法PSO中的惯性权重和“飞行速度”更新灰狼优化算法GWO中灰狼位置；

根据更新后的灰狼位置的进行多次迭代，确定所述SVM的分类器的惩罚参数和核函数参数。

3.根据权利要求1所述方法，其特征在于，所述通过自适应白噪声的完整集成经验模态分解方法CEEMDAN提取所述振动信号的模态分量，确定所述模态分量的能量熵包括：

通过自适应白噪声的完整集成经验模态分解方法CEEMDAN提取所述振动信号的前预设数量的模态分量；

根据所述前预设数量的模态分量确定Shannon能量熵。

4.根据权利要求1所述方法，其特征在于，所述SVM根据所述测试集、所述惩罚参数和所述核函数参数确定所述轴承的故障结果包括：

所述SVM统计所述测试集的平均准确率、平均寻优时间和最长最短寻优时间差作为评判标准，十折交叉验证后确定所述轴承的故障结果。

5.根据权利要求1至4任一项所述方法，其特征在于，所述核函数为径向基核函数RBF。

6.一种轴承故障的诊断装置，其特征在于，所述装置包括：

获取模块，用于获取轴承的振动信号，通过自适应白噪声的完整集成经验模态分解方法CEEMDAN提取所述振动信号的IMF模态分量；

构造模块，用于确定所述模态分量的能量熵，将所述能量熵作为特征向量进行归一化处理，构造支持向量机SVM的训练集和测试集；

参数优化模块，用于根据所述训练集和群智能优化算法更新所述SVM的分类器的惩罚参数和核函数参数；

诊断模块，用于所述SVM根据所述测试集、所述惩罚参数和所述核函数参数确定所述轴承的故障结果。

7.根据权利要求6所述装置，其特征在于，所述参数优化模块还用于通过粒子群算法PSO中的惯性权重和“飞行速度”更新灰狼优化算法GWO中灰狼位置；

根据更新后的灰狼位置的进行多次迭代，确定所述SVM的分类器的惩罚参数和核函数参数。

8.根据权利要求6所述装置，其特征在于，所述构造模块还用于通过自适应白噪声的完整集成经验模态分解方法CEEMDAN提取所述振动信号的前预设数量的模态分量；根据所述前预设数量的模态分量确定Shannon能量熵。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述方法的步骤。