[发明专利]一种基于拉普拉斯分值和支持向量机的滚动轴承故障诊断方法

摘要

本发明公开了一种基于拉普拉斯分值和支持向量机的滚动轴承故障诊断方法，属于旋转机械故障诊断领域。该方法主要包括步骤S1获取滚动轴承在正常、外圈故障、内圈故障、滚动体故障状态下的振动加速度信号，得到时域信号样本集。步骤S2计算样本集中每个样本的若干个时域统计参数与频域统计参数，构建初始特征集。步骤S3计算初始特征集中每个特征的拉普拉斯分值，按从小到大排列，选取排在最前的若干个特征组成故障特征矩阵。步骤S4建立基于支持向量机的轴承故障诊断模型，并采用粒子群算法优化支持向量机参数。步骤S5将测试样本或者实时样本输入到轴承故障诊断模型中，对故障进行诊断。

主权项

一种基于拉普拉斯分值和支持向量机的滚动轴承故障诊断方法，其特征在于：该方法包括以下步骤，步骤S1：获取滚动轴承在正常、外圈故障、内圈故障、滚动体故障状态下的振动加速度信号，得到时域信号样本集；步骤S2：计算时域信号样本集中每个样本的若干个时域统计参数与频域统计参数，构建初始特征集X＝[x1，x2，…，x18]T,其中x1为最大值，x2为平均值，x3为方差，x4为均方根值，x5为方根幅值，x6为峭度，x7为峰‑峰值，x8为波形指标，x9为脉冲指标，x10为裕度指标，x11为峰值因子，x12为偏斜度，x13为时域信息熵，x14为频率重心，x15为总功率谱和，x16为谐波指标，x17为均方频率，x18为频率信息熵；步骤S3：计算初始特征集X中每个特征的拉普拉斯分值，按从小到大排列，选取排在最前的若干个特征组成故障特征矩阵；步骤S4：建立基于支持向量机的轴承故障诊断模型；步骤S5：将测试样本或者实时样本输入到轴承故障诊断模型中，对故障进行诊断。