[发明专利]基于相对熵和K最近邻算法滚动轴承故障诊断方法及系统在审
| 申请号： | 201910542396.5 | 申请日： | 2019-06-21 |
| 公开（公告）号： | CN110118657A | 公开（公告）日： | 2019-08-13 |
| 发明（设计）人： | 柳树林;易永余;李强;吴芳基 | 申请（专利权）人： | 杭州安脉盛智能技术有限公司 |
| 主分类号： | G01M13/04 | 分类号： | G01M13/04;G06K9/62 |
| 代理公司： | 杭州裕阳联合专利代理有限公司 33289 | 代理人： | 姚宇吉 |
| 地址： | 310000 浙江省杭州市*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开基于相对熵和K最近邻算法滚动轴承故障诊断方法，包括获取轴承在各种故障状态下运行产生的振动数据以及健康状态下运行的振动数据；根据划分结果分别计算健康状态下运行产生的振动数据与故障状态下运行产生的振动信号之间的相对熵矢量序列；并将所属故障类型作为训练样本，得到训练好的分类模型；得到未知状态下运行产生的振动数据，故障状态下运行产生的振动信号之间的相对熵矢量；将获得的相对熵矢量作为分类模型的测试样本，利用分类模型对所述测试样本进行测试，进而对滚动轴承故障继续诊断，得到诊断结果。本发明采用相对熵衡量不同状态轴承之间振动信号的差异，无需计算和优化组合不同的特征指标，直接利用原始振动信号的分布。 | ||
| 搜索关键词： | 振动数据 分类模型 故障状态 振动信号 滚动轴承故障诊断 最近邻算法 测试样本 健康状态 矢量 轴承 滚动轴承故障 原始振动信号 故障类型 划分结果 矢量序列 特征指标 训练样本 优化组合 诊断结果 测试 诊断 衡量 | ||
【主权项】：
1.一种基于相对熵和K最近邻算法滚动轴承故障诊断方法，其特征在于，包括以下步骤：获取轴承在各种故障状态下运行产生的振动数据以及健康状态下运行的振动数据，各种故障状态至少包括内圈故障状态、外圈故障状态、滚动体故障状态和保持架故障状态；对采集到的振动数据进行等长度部分重叠滑窗截取划分，得到划分结果；根据划分结果分别计算健康状态下运行产生的振动数据与内圈故障、外圈故障、滚动体故障、保持架故障状态下运行产生的振动信号之间的相对熵矢量序列，得到至少5组相对熵矢量；将至少5组相对熵矢量标记出对应的所属故障类型，并将所属故障类型作为训练样本，利用K最近邻算法进行训练，得到训练好的分类模型；获取未知状态下运行产生的振动数据，基于未知状态下运行产生的振动数据分别获得与健康状态、内圈故障状态、外圈故障状态、滚动体故障状态和保持架故障状态下运行产生的振动信号之间的相对熵矢量；将获得的相对熵矢量作为分类模型的测试样本，利用分类模型对所述测试样本进行测试，进而对滚动轴承故障继续诊断，得到诊断结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州安脉盛智能技术有限公司，未经杭州安脉盛智能技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910542396.5/，转载请声明来源钻瓜专利网。
