[发明专利]滚动轴承故障特征提取方法、智能诊断方法及系统

权利要求书

1.一种滚动轴承故障特征提取方法，其特征在于,步骤包括：采集电动驱动端的轴承信号数据，对信号数据进行预处理，将信号数据分为测试集和训练集；

采用小波频带能量法提取信号数据的特征，分别得到训练集和测试集的第一特征矩阵；

采用小波包—AR谱估计法提取信号数据的特征，分别得到训练集和测试集的第二特征矩阵；

采用EMD-SVD法提取信号数据的特征，分别得到训练集和测试集的第三特征矩阵；

将第一、第二和第三特征矩阵拼接处理，并通过PCA进行数据压缩得到降维后的训练集和测试集，即，为轴承故障特征；

所述采用小波包—AR谱估计法提取信号数据的特征的具体步骤包括：对轴承信号进行小波包分解；

将信号的不同分量分解到相应的频段内，并对每个分量进行小波包重构获得重构信号；

对重构信号进行AR谱估计，计算出各个频段的AR谱能量特征；

获得AR谱能量特征的特征向量，分别得到训练集和测试集的第二特征矩阵。

2.如权利要求1所述的滚动轴承故障特征提取方法，其特征在于，所述信号数据进行预处理的步骤包括：轴承数据信号中待使用的信号序列为F₁～F_i，将F_i进行适当分割，形成l个信号序列，即F_i＝f_i1，f_i2，f_i3…f_il}，其中f_i1为第i种故障序列分割而成的第一个子集序列；随机从F_i中选出一部分信号子序列作为原始训练集；另一部分作为原始测试集。

3.如权利要求1所述的滚动轴承故障特征提取方法，其特征在于，所述采用小波频带能量法提取信号数据的特征的具体步骤包括：对轴承信号数据进行小波分解；

将轴承信号数据的不同分量分解到相应的频段内，计算出各个频段的能量特征；

对能量特征向量归一化处理，分别获得训练集和测试集的第一特征矩阵。

4.如权利要求1所述的滚动轴承故障特征提取方法，其特征在于，所述采用EMD-SVD法提取信号数据的特征的具体步骤包括：

对信号进行EMD分解得到若干IMF分量；

计算IMF分量的能量占比；

设定阈值，提取能量占比超过阈值的若干IMF分量；

采用SVD对提取的IMF分量进行压缩处理，将压缩的IMF分量作为信号特征，分别得到训练集和测试集的第三特征矩阵。

5.如权利要求1所述的滚动轴承故障特征提取方法，其特征在于，所述将第一、第二和第三特征矩阵拼接处理的具体步骤包括：获得拼接处理后的训练集α和测试集β，其中α＝[α₁，α₂，α₃]_A1×M，β＝[β₁，β₂，β₃]_A2×M，A1，A2分别表示训练集和测试集的信号个数，M表示特征维数α₁、α₂和α₃分别为训练集的第一、第二和第三特征矩阵，β₁、β₂和β₃分别为测试集的第一、第二和第三特征矩阵；

所述通过PCA进行数据压缩的具体步骤包括：对于训练数据集α，计算其协方差矩阵；对协方差矩阵进行奇异值分解；输出降维后的训练集；同样的对测试集β进行相同处理得到降维后的测试集。