[发明专利]一种基于HWPSO-SVDD模型的滚动轴承性能退化评估方法

权利要求书

1.一种基于HWPSO-SVDD模型的滚动轴承性能退化评估方法，其特征在于，包括以下步骤：

S1：获取正常滚动轴承振动信号的特征指标，通过PCA算法得到融合特征指标，建立训练样本；

S2：利用HWPSO优化算法对SVDD模型的惩罚参数C和核参数δ进行寻优；

S3：利用寻优得到的惩罚参数C和核参数δ，构建HWPSO-SVDD模型；

S4：将训练样本输入HWPSO-SVDD模型进行模型训练，得到训练完成的性能退化评估模型；

S5：获取待测滚动轴承振动信号的融合特征指标，利用训练完成的性能退化评估模型，计算得到待测滚动轴承的性能退化指标V_c值；

S6：设置自适应报警阈值，当V_c值超过自适应报警阈值时，对轴承的早期退化状态做出预警。

2.根据权利要求1所述的一种基于HWPSO-SVDD模型的滚动轴承性能退化评估方法，其特征在于，所述的滚动轴承振动信号的特征指标包括时域特征指标和频域特征指标，所述的时域特征指标包括有量纲时域特征指标和无量纲时域特征指标，所述的频域特征指标包括中心频率、重心频率、频率方差、频域幅值平均值和均方根率。

3.根据权利要求2所述的一种基于HWPSO-SVDD模型的滚动轴承性能退化评估方法，其特征在于，所述的步骤S1具体包括：

S11：构建特征指标矩阵Y：

其中，y_ij为第j个特征指标中的第i个数据，n为每一种特征指标中的包含的数据个数，D为特征指标的种类数；

S12：计算特征指标矩阵Y中各特征指标的均值：

其中，为第j个特征指标中数据均值；

S13：求解特征指标的方差

S14：对特征指标矩阵Y标准化，得到标准特征指标矩阵Y₀：

S15：计算特征指标协方差矩阵S：

S16：获取特征指标协方差矩阵S对角线上的各特征值λ₁,λ₂,...,λ_n，并从大到小依次排列；

S17：计算各主成分的贡献率：

其中，其中为w_r第r个主成分对应的贡献率，λ_i为第i个特征值，L为所构造的主成分数；

S18：选择贡献率高于80％的主成分，作为融合特征指标。

4.根据权利要求1所述的一种基于HWPSO-SVDD模型的滚动轴承性能退化评估方法，其特征在于，所述的步骤S2具体包括：

S21：建立适应度函数F_sv；

S22：初始化设置改进粒子群算法参数和鲸鱼群算法参数，并分别设置PSOgbest适应度和领头鲸适应度为无穷大；

S23：通过改进粒子群算法和鲸鱼群算法的迭代，对SVDD模型的惩罚参数C和核参数δ寻优，得到最优解。

5.根据权利要求4所述的一种基于HWPSO-SVDD模型的滚动轴承性能退化评估方法，其特征在于，所述的适应度函数F_sv的表达式为：

其中，N_sv为SVDD模型里最小化支持向量个数，G为训练样本数。