[发明专利]滚动轴承故障诊断方法、系统、存储介质、设备及应用

权利要求书

1.一种滚动轴承故障诊断方法，其特征在于，所述滚动轴承故障诊断方法包括：

采集轴承四种状态下的原始信号，利用VMD进行信号分解，得到各IMF分量；

运用多尺度排列熵提取信号特征，构造特征向量集，并将其分为训练样本和测试样本；

初始化鲸鱼算法种群规模、迭代次数和自适应权重值；

利用初始化参数建立LSSVM模型；

计算每头鲸鱼相应的适应度值，并按照适应度大小进行排序，并选取N个鲸鱼作为下一代的种群；

采用冯诺依曼拓扑结构进行邻域搜索，进行邻域内的信息交流，找到邻域内最优的鲸鱼，按照公式进行位置更新；

重复计算每头鲸鱼相应的适应度值和采用冯诺依曼拓扑结构进行邻域搜索，直至达到最大迭代次数，输出适应度最佳的鲸鱼位置作为LSSVM的参数进行训练，对测试集进行故障分类。

2.如权利要求1所述的滚动轴承故障诊断方法，其特征在于，所述滚动轴承故障诊断方法进行位置更新的公式如下所示：

更新鲸鱼的位置，方程如下：

式中：D'＝|X^*(t)-X(t)|表示第i条鲸到猎物的距离，b为定义对数螺旋形状的常数，l为[-1，1]中的随机数；

位置更新方程如下所示：

D＝|CX_rand(t)-X(t)|；

X(t+1)＝X_rand(t)-AD；

式中：X_rand表示从当前种群中选取的随机位置向量，将参数a从2降低到0，分别用于开发和探索，当|A|＞1时，A被选为随机搜索代理；当|A|＜1时，A被选为最优解用于更新搜索代理的位置；

位置更新公式如下所示：

w＝1-exp(1-t)；

式中：w＝0.5；为座头鲸搜索代理i在冯诺依曼拓扑邻域L(i)中的最优位置，即邻域内各个鲸鱼搜索代理的适应度函数最小值对应个体的历史最优位置；G表示全局最优位置。

3.如权利要求1所述的滚动轴承故障诊断方法，其特征在于，所述滚动轴承故障诊断方法鲸鱼优化算法的改进，使用冯诺依曼拓扑结构和自适应权重对鲸鱼算法进行改进，将自适应权重引入位移公式，随着迭代的更新，局部最优逐渐与全局最优重合，位置更新公式如下所示：

w＝1-exp(1-t)；

式中：w＝0.5；为座头鲸搜索代理i在冯诺依曼拓扑邻域L(i)中的最优位置，即邻域内各个鲸鱼搜索代理的适应度函数最小值对应个体的历史最优位置；G表示全局最优位置。

4.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

采集轴承四种状态下的原始信号，利用VMD进行信号分解，得到各IMF分量；

运用多尺度排列熵提取信号特征，构造特征向量集，并将其分为训练样本和测试样本；

初始化鲸鱼算法种群规模、迭代次数和自适应权重值；

利用初始化参数建立LSSVM模型；

计算每头鲸鱼相应的适应度值，并按照适应度大小进行排序，并选取N个鲸鱼作为下一代的种群；

采用冯诺依曼拓扑结构进行邻域搜索，进行邻域内的信息交流，找到邻域内最优的鲸鱼，按照公式进行位置更新；

重复计算每头鲸鱼相应的适应度值和采用冯诺依曼拓扑结构进行邻域搜索，直至达到最大迭代次数，输出适应度最佳的鲸鱼位置作为LSSVM的参数进行训练，对测试集进行故障分类。