[发明专利]滚动轴承早期故障识别方法

摘要

本发明滚动轴承早期故障识别方法涉及机械装置故障识别领域，具体涉及滚动轴承早期故障识别方法，包括以下步骤：首先从滚动轴承数据信号中提取出9个时域参数构成原始特征空间，采用LE算法对其实现特征压缩，在采用LE算法进行特征提取的过程中，首先采用近邻方式来构建邻接图，然后使用热核方程给每条边赋予权值来构造邻接权值矩阵；对压缩后的特征样本采用一类支持向量机实现故障分类识别，本发明能够有效提取出故障样本的非线性特征，达到特征空间信息的有效融合从而提取敏感特征，实现了轴承早期故障的智能识别。

主权项

滚动轴承早期故障识别方法，其特征在于，包括以下步骤：第一步，首先从滚动轴承数据信号中提取出9个时域参数构成原始特征空间，所述9个特征分别是：平均值、有效值、峰值、波形因数、冲击指数、波峰因数、歪度值、峭度值、裕度指数；第二步，采用LE算法对其实现特征压缩，在采用LE算法进行特征提取的过程中，首先采用近邻方式来构建邻接图，然后使用热核方程给每条边赋予权值来构造邻接权值矩阵；第三步，对压缩后的特征样本采用一类支持向量机实现故障分类识别，对于每种状态的样本，采用一类支持向量机实现故障识别：随机选择一半样本作为训练样本；剩余一半样本作为正类测试样本，同时作为其他状态的负类测试样本集的一部分，重复10轮，对于一类支持向量机中涉及的惩罚系数和核函数参数，采用网格式搜索，交叉验证，在建立样本对应的分类模型时限定支持向量所占训练样本的比例不得超过10％并在此基础上对这两个参数寻优。