[发明专利]一种电机轴承故障诊断方法及系统

权利要求书

1.一种电机轴承故障诊断方法，其特征在于，包括：

步骤S1，采集电机轴承的连续振动故障信号；

步骤S2，对采集到的连续振动故障信号进行预处理，得到对应的故障特征信息向量；

步骤S3，利用支持向量机SVM对故障特征信息向量进行训练，得到用于对电机轴承的运行状态进行分类的故障分类模型；并利用训练得到的故障分类模型，对实测的轴承振动信号进行在线分类，并将输出的每一个分类按照预先设定的标签化规则进行数字标签化；电机轴承的运行状态为正常运行、滚动体故障、内圈故障和外圈故障；所述预先设定的标签化规则为，采用阿拉伯数字1、2、3、4对上述四种运行状态进行数字标签化；

步骤S4，对数字标签化得到的标签进行分析，输出代表发生故障的标签；

步骤S5，基于CLPSO-FPN网络搭建电机轴承的故障诊断模型；

步骤S6，对所搭建的故障诊断模型进行训练，得到训练好的故障诊断模型；

步骤S7，根据上述输出的标签激活训练好的故障诊断模型中的对应库所，之后根据训练好的电机故障诊断模型进行故障诊断推理。

2.根据权利要求1所述的电机轴承故障诊断方法，其特征在于，步骤S2的实现方法包括：

步骤S21：采用EMD对连续振动故障信号进行经验模态分解；

步骤S22：从经验模态分解结果中取前4个本征模态分量；

步骤S23：分别计算所取的前4个本征模态分量各自对应的能量特征；

步骤S24：利用上述计算所得的所有能量特征构造一维的能量特征向量；

步骤S25：对能量特征向量进行归一化处理，得到归一化后的能量特征向量，该归一化后的能量特征向量即为所述的故障特征信息向量。

3.根据权利要求1所述的电机轴承故障诊断方法，其特征在于，所述CLPSO-FPN网络的网络结构为：S_CLPSO-FPN＝(P,T,I,O,M,W,H,α,B,S,D,K)；

其中，P＝{p₁,p₂,...,p_n}，P表示轴承故障事件表中库所的集合；

T＝{t₁,t₂,...,t_m}，T表示变迁集合；

I为输入矩阵，表示P到T的映射；

O为输出矩阵，表示T到P的映射；

M＝(m₁,m₂,...,m_n)，表示库所标识分布向量；

W＝(ω_ij)为库所权值构成的n×m维矩阵，表示输入库所对变迁的影响程度；

H＝(λ₁,λ₂,...,λ_m)，表示变迁阈值分布向量；

α＝(α₁,α,...,α_n)，α_i∈[0^,1]表示库所P_i代表故障事件的置信度，i＝1，2，…，n；

B＝(b₁,b₂,…,b_r)，b代表变迁影响因子，表示变迁对其输出库所的影响能力,其中r表示变迁至其输出库所有向弧的数量；

S代表综合粒子群算法中的粒子数；

D代表综合粒子群算法中粒子的维度；

K代表综合粒子群算法的迭代次数。