[发明专利]基于小波-灰度共生矩阵的发动机转子碰磨故障诊断方法

权利要求书

1.基于小波-灰度共生矩阵的发动机转子碰磨故障诊断方法，其特征在于，包括以下步骤：

1)采集发动机碰摩数据；

2)对步骤1)获得的发动机碰摩数据进行小波变换，得到振动信号小波变换图；

3)将步骤2)得到的振动信号小波变换图转化成灰度图，并提取灰度图的灰度共生矩阵图像特征量，构造特征向量；

4)对步骤3)得到的特征向量设置标签，并将设置标签的特征向量分割为训练集和测试集；

5)将步骤4)得到的训练集输入至机器学习算法支持向量机中进行训练，将测试集输入至训练好的支持向量机进行验证，获得验证好的支持向量机；

6)将检测样本输入至步骤5)验证好的支持向量机中，对发动机转子碰磨故障进行诊断，输出发动机转子碰磨故障诊断结果。

2.根据权利要求1所述基于小波-灰度共生矩阵的发动机转子碰磨故障诊断方法，其特征在于，步骤2)具体为：

定义ψ(t)∈L²(R)满足条件

式中，Ψ(ω)为ψ(t)的Fourier变换，ψ(t)为基本小波函数，将该小波函数进行伸缩和平移得到：

式中：α为伸缩因子，τ为平移因子；

ψ_α,τ(t)为依赖α、τ的小波基函数，其由一组母函数ψ(t)经过伸缩平移后得到的一组函数序列；

定义存在信号x(t)∈L²(R)，将其与所述小波基函数进行内积，即:

式(3)为x(t)的连续小波变换，记为CTW。

3.根据权利要求2所述基于小波-灰度共生矩阵的发动机转子碰磨故障诊断方法，其特征在于：

步骤3)中，所述图像特征量包括对比度、能量、熵以及相关性；计算这些图像特征量的均值和标准差，提取特征向量；

所述对比度通过图像纹理沟纹的深浅来反映，如下：

其中，p(i,j)指归一化后的灰度共生矩阵；

所述能量ASM通过灰度共生矩阵中元素值的平方和计算得到：

所述熵的计算公式如下：

所述相关性的计算公式如下：

其中

4.根据权利要求3所述基于小波-灰度共生矩阵的发动机转子碰磨故障诊断方法，其特征在于：

步骤4)中，按照7∶3的分样比例将特征向量分割为训练集和测试集。