[发明专利]一种加权多尺度字典学习框架的行星轮轴承故障辨识方法

摘要

本发明公开了一种加权多尺度字典学习框架的行星轮轴承故障辨识方法，方法包括以下步骤：基于行星轮轴承振动信号构造分块算子；基于分块算子构造加权多尺度字典学习框架，优化求解加权多尺度字典学习框架，获得故障特征信号；基于调Q小波与l0正则构造加权多尺度字典学习特例，通过特例提取行星轮轴承故障特征信号；基于提取的故障特征信号通过包络分析辨识故障类型。

主权项

1.一种加权多尺度字典学习框架的行星轮轴承故障辨识方法，所述方法包括以下步骤：第一步骤(S1)中，基于行星轮轴承振动信号构造分块算子；第二步骤(S2)中，基于分块算子构造加权多尺度字典学习框架，框架包含如下两部分：其中，表示矩阵的F范数，y表示传感器测量所得信号，x∈R^n×1为故障特征信号，R表示实数集，n为信号的长度，表示求解得到的特征信号，D∈R^N×L表示学习字典，其中，N为字典中每一列的维度，L表示字典中列的个数，表示求解得到的字典，P(A)为表示系数的先验，λ表示正则化参数，A∈R^L×M为表示系数，其中，M表示样本的个数，表示求解得到的字典，Γ(·)表示分块算子，其中W^T表示多尺度变换w的转置，K为包含子带故障特征的对角矩阵，定义为其中S表示多尺度变换的最大分解层数，K_l表示第l层的峭度，其中<·>表示取平均的运算，|·|表示取绝对值的运算，u_l表示由第l层系数重构所得的信号；第三步骤(S3)中，优化求解加权多尺度字典学习框架，获得故障特征信号X；第四步骤(S4)中，根据步骤二和步骤三建立的加权多尺度学习框架，将调Q小波与l₀正则代入至框架中构造加权多尺度字典学习特例，通过构造的基于调Q小波和l₀正则的加权多尺度学习特例实现行星轮轴承故障特征信号提取；第五步骤(S5)中，基于步骤四中多尺度字典学习特例模型提取的故障特征信号，通过包络分析辨识故障类型。