[发明专利]极限学习端点延拓的改进LCD机械故障特征提取方法

权利要求书

1.一种极限学习端点延拓的改进LCD机械故障特征提取方法，其特征在于，该方法包括以下步骤：

步骤1：采集轴承振动信号f；

步骤2：指定信号两端的各延拓点数m；

步骤3：利用极限学习对轴承振动信号进行延拓，得到延拓后的信号作为原始信号x(t)；

步骤4：确定原始信号的极值点，构造基线信号m₁₁(t)；

步骤5，将基线信号m₁₁(t)从原始信号中分离出来得到剩余信号h₁₁(t)，若其满足ISC分量判据，则h₁₁(t)为原始信号的第一个分量ISC₁；若不满足，则将h₁₁(t)作为原始信号，并返回步骤4，循环i次得到剩余信号h_1i(t)＝h_1i-1(t)-m_1i(t)，使得h_1i(t)满足ISC分量判据，则h_1i(t)为原始信号的第一个分量ISC₁；

步骤6，将ISC₁分量从原始信号中分离得r₁(t)，即r₁(t)＝x(t)-ISC₁，将r₁(t)作为原始信号，返回步骤4继续执行，重复循环n次，得到n个满足ISC分量判据的分量，满足LCD分解终止条件，即满足LCD的最大迭代次数，最终得到LCD对x(t)进行分解的n个ISC分量和剩余函数r_n(t)之和；

步骤7，将分解后的ISC分量舍去两端延拓的部分，对ISC分量进行包络分析，判断轴承故障特征频率，进行故障类别辨识；

其中，LCD指局部特征尺度分解；ISC指内禀尺度分量。

2.根据权利要求1所述的极限学习端点延拓的改进LCD机械故障特征提取方法，其特征在于，所述步骤1具体为：通过加速度传感器采集轴承的振动信号f。

3.根据权利要求1所述的极限学习端点延拓的改进LCD机械故障特征提取方法，其特征在于，所述步骤3中利用极限学习对轴承振动信号进行延拓具体为：

根据上面采集的轴承故障振动信号f，利用极限学习机对f信号进行左右端点延拓，得到延拓信号x(t)，具体的利用极限学习机对f进行延拓方式如下：

将f分割作为训练样本的输入和输出，训练样本输入矩阵x_j＝[x₁,x₂,....x_N]^T，训练样本输出矩阵y_j＝[y₁,y₂,....y_N]^T，随机确定输入权重ω_i，隐层偏置b_i，计算得到隐藏层与输出层之间的输出权重完成极限学习机的训练过程，预测轴承故障振动信号f左右端变化趋势x_l、x_r，得到延拓信号x(t)＝[x_l,f,x_r]。

式中，x_j为信号训练样本的输入，y_j为信号训练样本的输出，N为训练信号样本的组数，参数表示的含义如下：

β_i——输出权重；

ω_i——输入权重；

g(x)——为激活函数；

b_i——第i个隐层单元的偏置；

——训练后的输出权重；

H⁺——隐层的输出矩阵H的Moore-Penrose广义逆；

L——隐层节点个数；

y——期望输出。

4.根据权利要求1所述的极限学习端点延拓的改进LCD机械故障特征提取方法，其特征在于，所述步骤6中最终得到LCD对x(t)进行分解的n个ISC分量和剩余函数r_n(t)之和表示为：