[发明专利]一种过滤机水环真空泵轴承故障诊断方法

权利要求书

1.一种过滤机水环真空泵轴承故障诊断方法，其特征在于，包括如下步骤：

步骤一：采集过滤机水环真空泵正常状态与非正常状态下的泵口壳体上振动信号数据；

步骤二：过滤机水环真空泵的振动信号的多模态同源特征提取，对过滤机水环真空泵轴承数据集构建多模态同源特征向量，并对过滤机水环真空泵轴承故障类型进行编码，作为训练的输出样本；

所述过滤机水环真空泵轴承故障类型包括轴承磨损、轴承疲劳、轴承断裂和轴承变形；

步骤三：在过滤机水环真空泵轴承数据集上，利用量子粒子群优化随机森林的目标函数，综合考量量子粒子群优化随机森林的过滤机水环真空泵轴承故障诊断的误报率和漏诊率，定义多目标优化的目标函数如下：

漏诊率：P＝(TP)/(TP+FP)

误报率：R＝(TP)/(TP+FN)

综合权衡指标：F1＝(2×P×R)/(P+R)

式中，TP代表针对某一类故障，被正确诊断为该类别故障的数目，假设为该类别为x；TN代表某一其他类别故障，被正确诊断的数目；FP代表其他类别被错误诊断为类别x的数目；FN代表类别x被错误诊断为其他类别的数目；

利用量子粒子群优化随机森林的模型超参数树模型数量T和树模型深度F的最优值；

步骤四：利用过滤机水环真空泵轴承训练样本数据集对量子粒子群优化随机森林进行训练，得到过滤机水环真空泵轴承故障诊断模型；

步骤五：利用训练完成的量子粒子群优化随机森林模型在过滤机水环真空泵轴承测试集上进行过滤机水环真空泵轴承故障诊断的模型泛化性能评价。

2.根据权利要求1所述的过滤机水环真空泵轴承故障诊断方法，其特征在于，步骤二中，构建多模态同源特征向量前，对过滤机水环真空泵轴承数据集的振动信号按比例9：1随机分组得到训练样本数据集和测试数据集。

3.根据权利要求1所述的过滤机水环真空泵轴承故障诊断方法，其特征在于，步骤二中，构建多模态同源特征向量前，对过滤机水环真空泵轴承数据集的振动信号进行多模态变换，具体变化如下：

时域模态：S(t)＝s(t)

其中，s(t)为振动信号，t是时间；

频域模态：

其中，t是时间，w是角频率；

改进希尔伯特-黄模态：

式中，IMF为基本模态分量,R(t)为残余分量；

对每个IMF进行Hilbert变换：

式中，*为卷积运算，IMF为基本模态分量。

4.根据权利要求1所述的过滤机水环真空泵轴承故障诊断方法，其特征在于，步骤二中，振动信号的多模态同源特征变换之后需要进一步特征提取，使用时域模态、频域模态、改进希尔伯特-黄模态信号的统计变量作为表征特征，具体计算方式如下：

A₄(m)＝E[max|m(t)|]

上式中，N为信号长度，E[max|m(t)|]为信号m(t)最大值的平均，A₁,A₂…A₁₀分别代表方根幅值、平均幅值、均方幅值、峰值、波形指标、峰值指标、脉冲指标、裕度指标、偏斜度指标和峭度指标。

5.根据权利要求3所述的过滤机水环真空泵轴承故障诊断方法，其特征在于，改进希尔伯特-黄模态的敏感基本模态分量IMF的选择，对过滤机水环真空泵轴承数据集的振动信号根据相关距离选择敏感模态分量用于后续的多模态同源特征提取，相关距离具体公式如下：

相关距离：

式中，D(X)、D(Y)分别为X和Y的方差；EX、EY分别为X和Y的均值。