[发明专利]基于信号分解与复杂网络的滚动轴承未知故障检测方法

权利要求书

1.基于信号分解与复杂网络的滚动轴承未知故障检测方法，其特征在于，所述方法包括以下步骤：

步骤1：信号处理：利用辛几何模态分解方法，选取信号中主要分量；

步骤2：网络转换：对增强后的信号以样本内数据点为节点，利用幅度差构建序列周期网络；

步骤3：特性提取：提取网络信号中全局及局部微观特征作为分类依据；

步骤4：故障诊断及检测：以网络最终故障诊断率为准则确定故障网络；根据提取特征依据进行典型故障诊断及未知故障检测；

其中，所述步骤1的信号处理过程如下：

首先，设输入信号为X_i，SGMD过程如式(1)所示：

SGC(i)＝DIA{Q{M[X_d，τ(X_i)]}}，0＜i＜C，0＜k＜d  (1)；

其中，X_d，τ(X_i)表示对第X_i信号样本进行相空间重构，Q、M表示辛正交矩阵变换，DIA表示对角平均，SGC(i)表示X_i信号样本经过辛几何变换后结果；

其次，对SGC(i)中所有分量进行能量值计算，结合故障频率，选取主要信号分量：

Y_(i，q)＝eng[SGC(i，q)]，0＜q＜d     (2)；

其中，Y_(i，q)表示对y_i进行能量计算；

其中，所述步骤3的特性提取过程如下：

对于周期信号网络，提取以下(4)-(6)式所示揭示全局拓扑结构信息的平均度、网络聚类系数、平均路径长度网络特性指标：

上式中，m表示网络节点数，P表示所有节点v_a的度k_a的平均值即网络平均度，C_a即为节点v_a的h_a个邻居节点之间的实际边数E_a与总可能边数之比；

定义网络节点v_a和v_b之间的距离为d_ab，则网络平均路径长度为：

其中，所述步骤3的过程还包括如下：

将信号网络按照式(7)均匀划分为若干子网络，并依照式(8)-(10)提取表示网络局部特性的子网络平均度、网络聚类系数和网络核数特征，从微观角度获取更丰富信息，提高故障识别能力：

f＝2^c，2≤f≤m    (7)；

core＝max[del(k_p)]   (10)；

上式中，C表示包含故障信号在内信号类别个数，f表示子网络个数，n表示子网络节点数，p表示子网络平均度，c表示子网络聚类系数，core表示子网络核数，k_p表示子网络节点度；

因此信号X_i经信号处理，网络转换及特征提取后表示为：

X_i＝[J，G(D，T)]    (11)；

其中，J表示总样本数，G(D，T)为信号经网络转换后形式，D为网络邻接矩阵，T＝[P，C，L，F(p，c，core)]为提取网络特征，F(p，c，core)为提取子网络特征；

其中，所述步骤4的故障诊断及检测过程如下：

将提取特征T输入SVM分类器，得到故障分类诊断结果CLA后，依照如下S1、S2方式分别设定故障标准集：

S1：各类别T_cla依次排列，得到故障标准集STAN(J×C，T×C)；

S2：取各类别T_cla均值，得到故障标准集STANT(C，T)；

其中，所述步骤4的过程还包括如下：

选取未知故障U_know(X_f)，按照步骤1-3完成信号处理、网络转换及特性提取后得到其特征集T_u，针对S1、S2设定标准故障集分别采用Newman社团结构探索、相似度判别两种方式进行未知故障检测；

其中，所述步骤4的过程还包括如下：

依照S1设定故障标准集进行未知故障检测时，采用Newman社团探索方法解决未知故障识别问题，针对合并特征集(STAN，T_u)，选取欧氏距离以样本特征为节点、通过指数相似度确定连边关系，构建整体信号网络；沿网络模块性增加最大方向最终获得网络社团划分结果：

Q1：网络划分为C个社团，即U_know(X_f)属于对应T_cla类故障；

Q2：网络划分为(C+1)个社团，即U_know(X_f)属于未知故障；

其中，所述步骤4的过程还包括如下：

依照S2设定故障标准集进行未知故障检测时，首先均值化提取到故障特征集T_u，即STANT_u为未知故障提取特征集T_u的均值，接着针对合并特征集(STANT，STANT_u)，计算特征间相似度，依照相似度最大所对应类型判定未知故障U_know(X_f)所属类别：

Q1：[STANT_u，STANT_cla]，即U_know(X_f)属于T_cla类故障；STANT_cla为故障标准集STANT中某类样本特征T_cla的均值；

Q2：[ST4NT_cla，STANT_cla]，即U_know(X_f)与STANT中任何一类均无相似性，属于未知故障。

2.根据权利要求1所述的基于信号分解与复杂网络的滚动轴承未知故障检测方法，其特征在于，所述步骤2的网络转换过程如下：

由于选取数据观测值作为网络节点，因此以长度为m将降噪数据划分为单独样本，对每个样本进行幅度差计算，并按照式(3)确定网络邻接矩阵：

其中，|x_a-x_b|表示幅度差求解，Γ表示将所有求差值转换为矩阵形式，mean表示计算所有差值均值，以此计算周期网络邻接矩阵阈值。