[发明专利]基于改进多尺度模糊熵的滚动轴承故障诊断方法

摘要

本发明涉及一种基于改进多尺度模糊熵的滚动轴承故障诊断方法，采集滚动轴承的振动信号；计算振动信号的改进多尺度模糊熵；将前八个尺度上的改进模糊熵作为轴承故障特征向量；将故障特征向量分为训练集和测试集；利用训练集对支持向量机进行训练并用训练好的模型对测试集进行预测；根据预测结果识别滚动轴承的工作状态与故障类型。对模糊熵算法进行改进，用一个总体均值代替的传统模糊熵计算中的局部均值，计算不同尺度下的改进模糊熵。改进后的多尺度模糊熵能更全面地反映信号的特征，从而更准确地评估轴承的运行状态。本发明能够提取更加丰富的轴承状态信息，在故障模式识别过程中有更高的识别率。

主权项

1.一种基于改进多尺度模糊熵的滚动轴承故障诊断方法，其特征在于，具体包括如下步骤：1)、测量滚动轴承的振动信号；2)、计算轴承振动信号的改进多尺度模糊熵：对测量得到的轴承振动信号进行粗粒化；针对模糊熵计算过程中存在的局限性，对模糊熵算法进行改进；计算不同尺度因子下粗粒序列的改进模糊熵，改进模糊熵算法点为利用总体均值代替原模糊熵算法公式中的局部均值u₀(i)，即对于一个N点时间序列{u(i):1≤i≤N},构建一个m维向量其中，表示从第i点开始的连续m个u值减去总体均值3)、选取前八个尺度上的改进模糊熵作为轴承故障特征向量；4)、将得到的轴承故障特征向量分为训练样本和测试样本；5)、利用训练样本对支持向量机进行训练得到预测模型；6)、利用得到的预测模型对测试样本进行预测；7)、根据预测结果识别滚动轴承的工作状态与故障类型。