[发明专利]一种基于间接信号的牵引电机轴承故障诊断方法

权利要求书

1.一种基于间接信号的牵引电机轴承故障诊断方法，其特征在于，包括：

基于Tucker分解因子矩阵匹配选取用于牵引电机轴承故障诊断的间接信号；

对所述间接信号数据进行降维和降噪处理；

提取降维和降噪处理后的间接信号的特征向量；

根据所述间接信号的特征向量进行牵引电机轴承的故障识别；

所述的根据所述间接信号的特征向量进行牵引电机轴承的故障识别，包括：

1)每组编号的数据集作为张量模型的一个构建基础；

2)将振动信号、电流信号和扭矩信号三类信号的每类作为张量模型的一层，按照信号采集批次和每转一圈采集到的点数的公倍数为基准，折叠构建每层张量数据；

3)将所述三类信号对应的三类数据叠加成为信号张量模型；

4)对每个张量模型进行T-QR分解；

5)T-QR分解得到的正交矩阵(Q)作为高阶正交迭代(HOOI)分解的输入；

6)HOOI分解得到核心张量和三个因子矩阵；

7)将每个张量的核心张量进行展开作为初始特征向量；

8)计算距离阈值-计算误差阈值；

9)筛选出每个状态的样本的最终特征向量；

10)给做好的数据集设置标签；

11)将筛选出的样本的最终特征向量作为用于牵引电机轴承的故障识别的分类器的输入，利用分类器中的各种模型对各种状态进行诊断；

12)对各种状态的诊断结果进行对比分析，得到牵引电机轴承的故障诊断结果。

2.根据权利要求1所述的方法，其特征在于，所述的基于Tucker分解因子矩阵匹配选取用于牵引电机轴承故障诊断的间接信号，包括：

以传感器采集到的振动信号、电流信号、扭矩信号和径向力信号为对象，所述电流信号、扭矩信号和径向力信号为间接信号，构建以频域为主阶的信号张量模型，张量的三阶分别是故障状态×工况×频率信号，对轴承的三阶信号张量模型分别进行Tucker分解，将原始张量分解为核心张量及其在三阶信号模型上的投影；

根据间接信号与振动信号投影矩阵百分比差异衡量信号间全局信息相似性；

式中，为各类间接信号的投影矩阵中的对应元素，为振动信号投影矩阵中的元素，i表示信号张量模型的第i个矩阵，j表示矩阵中第j个元素；

按照公式1对各类信号在不同状态下的时-频域因子矩阵进行匹配，选取样本匹配度较高的电流信号和扭矩信号作为轴承故障诊断的间接信号。

3.根据权利要求1所述的方法，其特征在于，所述的对所述间接信号数据进行降维和降噪处理，包括：

利用截断高阶奇异值分解T-HOSVD保留原始间接信号中的有效信号，将间接信号张量模型的原始张量n-mode矩阵化，分别对每个n-mode矩阵进行奇异值SVD分解，

在对每个n-mode矩阵进行SVD分解的同时，分别对每个n-mode矩阵进行L-曲线正则化求解，分别求出三个对应的截断参数，将三个截断参数分别对应作为每个奇异值分解后左奇异矩阵的截断参数，利用截断参数构建张量分解的核心张量，将所述核心张量与各左奇异值矩阵进行重构，得到降维和降噪处理后的间接信号的目标张量。

4.根据权利要求3所述的方法，其特征在于，所述的对所述间接信号数据进行降维和降噪处理，包括：

将电流信号建模为一个三阶张量100×2560×14，进行张量分解并选取张量三个n-mode矩阵化后的矩阵，分别对其求L曲线截断参数，三个矩阵的T-SVD截断参数分别为4,16,4，构建维度为4×1398×12新的核心张量，利用核心张量和n-mode矩阵SVD分解的左奇异矩阵相乘得到降维和降噪处理后的电流信号的目标张量；

将扭矩信号建模为一个三阶张量1600×10×14，张量分解过程中，选取张量三个n-mode矩阵化后的矩阵，分别对其求L曲线求解截断参数，三个截断参数取整数后分别为5,4,4，则张量分解后这个扭矩信号的核心张量为5*138*12，根据核心张量重新构造降维和降噪处理后的扭矩信号的目标张量。