[发明专利]多传感器驱动柔性支持张量机的轴承故障诊断方法及装置

权利要求书

1.一种多传感器信号驱动柔性支持张量机的轴承故障诊断方法及装置，其特征在于，包括：

S1、采集轴承不同健康状态下的多源信号，得到每种健康状态下对应的样本的多源信号；

S2、对采集得到的每个样本的多源信号按多源信号张量特征构造方法获得每个样本的三阶特征张量；

S3、在凸包几何模型的基础上，引入柔性因子和置换因子打造柔性支持张量机模型；

S4、分别从每种健康状态中随机选取少量样本的三阶特征张量作为张量训练样本训练柔性支持张量机模型，获得智能故障诊断决策函数；

S5、将每种健康状态剩下的样本构成测试样本，检验已训练的智能故障诊断决策函数的可行性。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，通过声音传感器和振动传感器采集多源信号。

3.根据权利要求1所述的方法，其特征在于，步骤S2中，所述三阶特征张量为频段分量-统计参数-多传感器三阶特征张量。

4.根据权利要求3所述的方法，其特征在于，步骤S2具体包括：

对于采集得到的每个样本的多源信号，利用集合经验模态分解把多源信号中的每个信号分解为M个分量成分；

提取统计特征参数，对每个信号分解得到的分量成分提取H个时域参数，其中，样本中每个信号的特征表示为F＝[f₁,f₂,……，f_H]^T∈R^M×H；

获取特征张量，每个样本的特征可以表示为一个三阶特征张量其中I₁＝M,I₂＝H,I₃＝P，分别对应频段分量M、统计参数H和传感器数目P；

形成每个样本的频段分量-统计参数-多传感器三阶特征张量。

5.根据权利要求4所述的方法，其特征在于，所述时域参数包括均值、方差、均方根、峰峰值、偏斜度、峭度。

6.根据权利要求4所述的方法，其特征在于，步骤S3具体包括：

S31、定义张量空间的凸包几何模型：

其中β_i为对应张量样本x_i的组合系数，该张量凸包为包含l个张量样本的一个最小凸集；

S32、引入柔性因子和置换因子，定义一种新的张量空间的几何模型

其中λ为可以使几何模型更松散的柔性因子，μ为可以改善几何模型鲁棒性的置换因子。

7.根据权利要求6所述的方法，其特征在于，步骤S4中，所述张量训练样本可以表示为对应标签为y_i∈γ＝{1,-1}。

8.根据权利要求7所述的方法，其特征在于，步骤S5具体包括：

S41、利用Tucker分解对张量训练样本进行分解，得到其中G是核张量；A_k表示的因子矩阵；表示各个因子矩阵的列向量；

再选择合适的核函数嵌入Tucker分解的核函数，由以下公式表达：

S42、构造线性和非线性空间的最大间隔优化模型，由以下公式表达：

线性最大间隔优化模型

s.t

非线性最大间隔优化模型为

s.t

S43、利用标准算法求解QP问题，得到最优解：和最近邻点和

S44、得到权重张量ω^*和截距b^*：

根据超平面的线性方程为ω^Tx+b＝0得到：

S45、最后计算决策函数f(x)：

线性模型的决策函数

非线性模型的决策函数