專(zhuān)利名稱(chēng)：一種基于lmd和pca的滾動(dòng)軸承狀態(tài)辨識(shí)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于軌道交通安全技術(shù)領(lǐng)域。本發(fā)明涉及一種基于LMD和PCA的滾動(dòng)軸承狀態(tài)辨識(shí)方法。
背景技術(shù)：
在軌道車(chē)輛、汽車(chē)、工程機(jī)械行業(yè)中，滾動(dòng)軸承的應(yīng)用十分廣泛，但其故障率高，且運(yùn)行正常與否嚴(yán)重影響機(jī)械設(shè)備的整體性能，因此準(zhǔn)確有效的滾動(dòng)軸承運(yùn)行狀態(tài)監(jiān)測(cè)和識(shí)別對(duì)于提高工作效率、保障運(yùn)行安全具有重要意義。特征的提取和狀態(tài)的辨識(shí)是滾動(dòng)軸承狀態(tài)監(jiān)測(cè)中需解決的關(guān)鍵問(wèn)題，在特征提取方面，局部均值分解(Local Mean Decomposition, LMD)是一種新的自適應(yīng)非平穩(wěn)信號(hào)處理方法，能夠?qū)⒍喾至康男盘?hào)分解為若干個(gè)稱(chēng)之為乘積函數(shù)(product function, PF)的單 分量調(diào)幅一調(diào)頻信號(hào)之和，其分解過(guò)程溫和，能夠保存豐富的頻率和包絡(luò)信息。目前，已有學(xué)者對(duì)基于LMD的故障信號(hào)特征提取方法進(jìn)行了研究，提出了諸如LMD與階次跟蹤分析相結(jié)合的方法，對(duì)LMD后各分量的瞬時(shí)幅值和瞬時(shí)頻率信號(hào)進(jìn)行Fourier變換的方法，基于LMD的能量算子解調(diào)方法，計(jì)算LMD后各分量的包絡(luò)譜的方法等等。但上述研究均未考慮振動(dòng)信號(hào)的統(tǒng)計(jì)特征，而振動(dòng)信號(hào)的各種統(tǒng)計(jì)量往往包含了豐富的狀態(tài)信息，可檢測(cè)出運(yùn)行狀態(tài)的變化。主成分分析(Principal Component Analysis, PCA)是一種典型的多元統(tǒng)計(jì)模式識(shí)別方法，參數(shù)限制少，計(jì)算簡(jiǎn)單。迄今，基于PCA的多元統(tǒng)計(jì)性能監(jiān)控方法在質(zhì)量控制、過(guò)程監(jiān)測(cè)和故障診斷等領(lǐng)域已有諸多應(yīng)用。在狀態(tài)監(jiān)測(cè)中，通過(guò)PCA對(duì)當(dāng)前狀態(tài)的采樣數(shù)據(jù)進(jìn)行最佳綜合簡(jiǎn)化后，可求得不同子空間的統(tǒng)計(jì)變量值及其控制限，這些統(tǒng)計(jì)變量及控制限可充分表征當(dāng)前狀態(tài)的統(tǒng)計(jì)特性。在狀態(tài)辨識(shí)方面，最小二乘支持向量機(jī)(LeastSquare Support Vector Machine, LSSVM)是一種基于經(jīng)典支持向量機(jī)(Support VectorMachine, SVM)的擴(kuò)展和改進(jìn)的智能分類(lèi)方法。其不僅具有經(jīng)典SVM的小樣本學(xué)習(xí)能力強(qiáng)、泛化性能好、有效避免局部極小的特點(diǎn)，而且運(yùn)算速度快，無(wú)需指定逼近精度，因此LSSVM在模式識(shí)別、預(yù)測(cè)控制等領(lǐng)域有廣泛應(yīng)用特征的提取和狀態(tài)的辨識(shí)是滾動(dòng)軸承狀態(tài)監(jiān)測(cè)中需解決的關(guān)鍵問(wèn)題，國(guó)內(nèi)外學(xué)者已經(jīng)對(duì)此進(jìn)行了深入研究。安全域分析及估計(jì)理論最早應(yīng)用于電力系統(tǒng)安全狀態(tài)評(píng)價(jià)，之后擴(kuò)展到網(wǎng)絡(luò)控制、公路交通、電子政務(wù)等方面。近年來(lái)，由作者所在團(tuán)隊(duì)將安全域基本思想引入軌道交通系統(tǒng)及關(guān)鍵設(shè)備的運(yùn)行安全狀態(tài)監(jiān)測(cè)及評(píng)價(jià)中，提出了基于安全域估計(jì)的機(jī)械設(shè)備服役狀態(tài)的安全評(píng)估方法。針對(duì)滾動(dòng)軸承狀態(tài)監(jiān)測(cè)和識(shí)別的研究，其安全域是一個(gè)從域的角度全面描述滾動(dòng)軸承可正常(無(wú)故障)運(yùn)行區(qū)域的定量模型。直觀來(lái)說(shuō)，在狀態(tài)特征變量所確定的空間中劃定一個(gè)區(qū)域，估計(jì)此區(qū)域的邊界，當(dāng)滾動(dòng)軸承的狀態(tài)特征變量值所確定的狀態(tài)點(diǎn)落在此區(qū)域內(nèi)時(shí)，則認(rèn)定此時(shí)滾動(dòng)軸承運(yùn)行狀態(tài)正常(無(wú)故障)，當(dāng)狀態(tài)點(diǎn)落在此區(qū)域外時(shí)，則認(rèn)為此時(shí)滾動(dòng)軸承運(yùn)行狀態(tài)非正常(故障)。當(dāng)狀態(tài)特征變量數(shù)為2，即所確定的空間為二維平面空間時(shí)，滾動(dòng)軸承的運(yùn)行狀態(tài)安全域如圖I所示，其中Vl、V2為兩個(gè)狀態(tài)特征變量，PpP2分別表示滾動(dòng)軸承運(yùn)行狀態(tài)正常和故障時(shí)的兩個(gè)狀態(tài)點(diǎn)。安全域估計(jì)的主要工作是獲得安全域邊界，即能夠區(qū)分正常和故障兩種狀態(tài)的分類(lèi)決策函數(shù)。

發(fā)明內(nèi)容
本發(fā)明的目的是對(duì)滾動(dòng)軸承運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)和識(shí)別，獲取滾動(dòng)軸承安全域邊界以辨識(shí)正常和故障兩種運(yùn)行狀態(tài)，進(jìn)而辨識(shí)滾動(dòng)軸承的正常及滾動(dòng)體、內(nèi)圈、外圈故障四種運(yùn)行狀態(tài)。本發(fā)明可以為滾動(dòng)軸承的狀態(tài)監(jiān)測(cè)提供可行的途徑，進(jìn)而提高滾動(dòng)軸承的工作效率、降低運(yùn)營(yíng)成本，對(duì)滾動(dòng)軸承的安全穩(wěn)定運(yùn)行提供保障。一種基于LMD和PCA的滾動(dòng)軸承狀態(tài)辨識(shí)方法包括以下步驟I)獲取實(shí)驗(yàn)數(shù)據(jù)分別采集滾動(dòng)軸承的運(yùn)行狀態(tài)處于正常和故障情況下的振動(dòng)加速度數(shù)據(jù)，故障包括滾動(dòng)體故障、內(nèi)圈故障和外圈故障；2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分或四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分；
兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分是指按照時(shí)間間隔h分別劃分將滾動(dòng)軸承的運(yùn)行狀態(tài)處于正常情況下的振動(dòng)加速度數(shù)據(jù)和滾動(dòng)軸承的運(yùn)行狀態(tài)處于故障情況下的振動(dòng)加速度數(shù)據(jù)；劃分的每個(gè)數(shù)據(jù)段對(duì)應(yīng)一個(gè)特征向量；四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分是指按照時(shí)間間隔h分別劃分將滾動(dòng)軸承的運(yùn)行狀態(tài)處于正常情況下的振動(dòng)加速度數(shù)據(jù)、滾動(dòng)軸承的運(yùn)行狀態(tài)處于滾動(dòng)體故障情況下的振動(dòng)加速度數(shù)據(jù)、滾動(dòng)軸承的運(yùn)行狀態(tài)處于內(nèi)圈故障情況下的振動(dòng)加速度數(shù)據(jù)和滾動(dòng)軸承的運(yùn)行狀態(tài)處于外圈故障下的振動(dòng)加速度數(shù)據(jù)；劃分的每段數(shù)據(jù)對(duì)應(yīng)一個(gè)特征向量；3)當(dāng)步驟2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，對(duì)劃分的每段數(shù)據(jù)分別進(jìn)行局部均值分解處理，獲得每段數(shù)據(jù)的乘積函數(shù)分量，組成各自的乘積函數(shù)矩陣；當(dāng)步驟2)進(jìn)行四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，對(duì)劃分的每段數(shù)據(jù)分別進(jìn)行局部均值分解處理，獲得每段數(shù)據(jù)的乘積函數(shù)分量，組成各自的乘積函數(shù)矩陣；4)提取滾動(dòng)軸承的狀態(tài)特征向量對(duì)每個(gè)乘積函數(shù)矩陣進(jìn)行主成分分析處理，計(jì)算對(duì)應(yīng)的T2統(tǒng)計(jì)量的控制限和SPE統(tǒng)計(jì)量的控制限，這兩個(gè)控制限的值構(gòu)成了每段數(shù)據(jù)的二維統(tǒng)計(jì)特征向量，每段數(shù)據(jù)的二維統(tǒng)計(jì)特征向量對(duì)應(yīng)一個(gè)狀態(tài)點(diǎn)；將獲得的T2統(tǒng)計(jì)量的控制限和SPE統(tǒng)計(jì)量的控制限分別進(jìn)行歸一化處理，當(dāng)步驟2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，分別標(biāo)記為“正常”和“故障”兩類(lèi)樣本；當(dāng)步驟2)進(jìn)行四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，分別標(biāo)記為“正?！薄ⅰ皾L動(dòng)體故障”、“內(nèi)圈故障”和“外圈故障”四類(lèi)樣本；5)當(dāng)步驟2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，利用最小二乘支持向量機(jī)算法將此“正常”和“故障”兩類(lèi)樣本進(jìn)行分類(lèi)，得到對(duì)應(yīng)的分類(lèi)線(xiàn)，此分類(lèi)線(xiàn)即為滾動(dòng)軸承運(yùn)行狀態(tài)的安全域邊界，根據(jù)此邊界能夠辨識(shí)正常和故障兩種情況；當(dāng)步驟2)進(jìn)行四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，利用多分類(lèi)的最小二乘支持向量機(jī)算法將此“正?！薄ⅰ皾L動(dòng)體故障”、“內(nèi)圈故障”和“外圈故障”四類(lèi)樣本進(jìn)行分類(lèi)，獲得狀態(tài)辨識(shí)結(jié)果。所述時(shí)間間隔h為采集數(shù)據(jù)時(shí)滾動(dòng)軸承自轉(zhuǎn)一圈所需的時(shí)間。本發(fā)明的有益效果為本發(fā)明提供了基于LMD-PCA-LSSVM的滾動(dòng)軸承運(yùn)行狀態(tài)安全域估計(jì)方法以及正常和各種故障狀態(tài)的辨識(shí)方法，其能夠有效地提取滾動(dòng)軸承運(yùn)行狀態(tài)特征，并完成滾動(dòng)軸承的運(yùn)行狀態(tài)安全域估計(jì)以及正常、滾動(dòng)體故障、內(nèi)圈故障、外圈故障四種狀態(tài)的辨識(shí)。本發(fā)明為滾動(dòng)軸承故障監(jiān)測(cè)、診斷提供了快速、有效的方法。


圖I是滾動(dòng)軸承運(yùn)行狀態(tài)的安全域示意圖；圖2是基于LMD-PCA-LSSVM安全域估計(jì)以及狀態(tài)辨識(shí)方法的實(shí)施過(guò)程圖(其中劃分后的數(shù)據(jù)段個(gè)數(shù)Q=Ts/%，Ts為采樣時(shí)間，為數(shù)據(jù)劃分的時(shí)間間隔)；圖3是DAGSVM多分類(lèi)方法示意圖；圖4是滾動(dòng)軸承運(yùn)行狀態(tài)的安全域估計(jì)結(jié)果,其中圖4a和圖4b分別為滾動(dòng)軸承故障嚴(yán)重和故障輕微時(shí)的結(jié)果；
具體實(shí)施例方式
下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例具體說(shuō)明如圖2所示，一種基于LMD和PCA的滾動(dòng)軸承狀態(tài)辨識(shí)方法包括以下步驟I)獲取實(shí)驗(yàn)數(shù)據(jù)分別采集滾動(dòng)軸承的運(yùn)行狀態(tài)處于正常和故障情況下的振動(dòng)加速度數(shù)據(jù)，故障包括滾動(dòng)體故障、內(nèi)圈故障和外圈故障；2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分或四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分；兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分是指按照時(shí)間間隔h分別劃分將滾動(dòng)軸承的運(yùn)行狀態(tài)處于正常情況下的振動(dòng)加速度數(shù)據(jù)和滾動(dòng)軸承的運(yùn)行狀態(tài)處于故障情況下的振動(dòng)加速度數(shù)據(jù)；劃分的每個(gè)數(shù)據(jù)段對(duì)應(yīng)一個(gè)特征向量；四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分是指按照時(shí)間間隔h分別劃分將滾動(dòng)軸承的運(yùn)行狀態(tài)處于正常情況下的振動(dòng)加速度數(shù)據(jù)、滾動(dòng)軸承的運(yùn)行狀態(tài)處于滾動(dòng)體故障情況下的振動(dòng)加速度數(shù)據(jù)、滾動(dòng)軸承的運(yùn)行狀態(tài)處于內(nèi)圈故障情況下的振動(dòng)加速度數(shù)據(jù)和滾動(dòng)軸承的運(yùn)行狀態(tài)處于外圈故障下的振動(dòng)加速度數(shù)據(jù)；劃分的每段數(shù)據(jù)對(duì)應(yīng)一個(gè)特征向量；3)當(dāng)步驟2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，對(duì)劃分的每段數(shù)據(jù)分別進(jìn)行局部均值分解處理，獲得每段數(shù)據(jù)的乘積函數(shù)(PF)分量，組成各自的乘積函數(shù)矩陣；當(dāng)步驟2)進(jìn)行四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，對(duì)劃分的每段數(shù)據(jù)分別進(jìn)行局部均值分解處理，獲得每段數(shù)據(jù)的乘積函數(shù)(PF)分量，組成各自的乘積函數(shù)矩陣；4)提取滾動(dòng)軸承的狀態(tài)特征向量對(duì)每個(gè)乘積函數(shù)矩陣進(jìn)行主成分分析處理，計(jì)算對(duì)應(yīng)的T2統(tǒng)計(jì)量的控制限和SPE統(tǒng)計(jì)量的控制限，這兩個(gè)控制限的值構(gòu)成了每段數(shù)據(jù)的二維統(tǒng)計(jì)特征向量，每段數(shù)據(jù)的二維統(tǒng)計(jì)特征向量對(duì)應(yīng)一個(gè)狀態(tài)點(diǎn)；將獲得的T2統(tǒng)計(jì)量的控制限和SPE統(tǒng)計(jì)量的控制限分別進(jìn)行歸一化處理，當(dāng)步驟2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，分別標(biāo)記為“正?！焙汀肮收稀眱深?lèi)樣本；當(dāng)步驟2)進(jìn)行四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，分別標(biāo)記為“正?！?、“滾動(dòng)體故障”、“內(nèi)圈故障”和“外圈故障”四類(lèi)樣本；5)當(dāng)步驟2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，利用最小二乘支持向量機(jī)算法將此“正常”和“故障”兩類(lèi)樣本進(jìn)行分類(lèi)，得到對(duì)應(yīng)的分類(lèi)線(xiàn)，此分類(lèi)線(xiàn)即為滾動(dòng)軸承運(yùn)行狀態(tài)的安全域邊界，根據(jù)此邊界能夠辨識(shí)正常和故障兩種情況；當(dāng)步驟2)進(jìn)行四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，利用多分類(lèi)的最小二乘支持向量機(jī)算法將此“正常”、“滾動(dòng)體故障”、“內(nèi)圈故障”和“外圈故障”四類(lèi)樣本進(jìn)行分類(lèi)，獲得狀態(tài)辨識(shí)結(jié)果。
時(shí)間間隔h為采集數(shù)據(jù)時(shí)滾動(dòng)軸承自轉(zhuǎn)一圈所需的時(shí)間。下面是本發(fā)明的一個(gè)具體實(shí)施例該實(shí)施例所需數(shù)據(jù)是由Dr. Kenneth A. Loparo提供的滾動(dòng)軸承實(shí)驗(yàn)數(shù)據(jù),軸承型號(hào)為205-2RS JEM SKF型深溝球軸承，電機(jī)負(fù)載3馬力，轉(zhuǎn)速1730r/min (約28.8r/s)，驅(qū)動(dòng)端采樣，采樣頻率48k Hz，采樣時(shí)間Ts=10s。分為以下兩種情況數(shù)據(jù)進(jìn)行了試驗(yàn)1)故障嚴(yán)重滾動(dòng)體及內(nèi)、外圈的故障直徑O. 5334mm，深度O. 2794mm ；2):故障輕微滾動(dòng)體及內(nèi)、外圈的故障直徑O. 1778mm，深度
O.2794mm。(I)實(shí)驗(yàn)數(shù)據(jù)分段劃分本實(shí)施例按滾動(dòng)軸承的轉(zhuǎn)速確定用于劃分?jǐn)?shù)據(jù)段的時(shí)間間隔，即按軸承每轉(zhuǎn)一轉(zhuǎn)所采集的數(shù)據(jù)點(diǎn)劃為一個(gè)數(shù)據(jù)段。則軸承正常及各故障狀態(tài)的數(shù)據(jù)均劃分為288段，每段數(shù)據(jù)包含1706個(gè)數(shù)據(jù)點(diǎn)。(2)各段數(shù)據(jù)本征模函數(shù)分量獲取對(duì)所得的每段原始數(shù)據(jù)運(yùn)用LMD獲得其PF分量?？紤]分解速度和分解結(jié)果準(zhǔn)確性，采用基于三次樣條函數(shù)的LMD方法，其分解過(guò)程如下①設(shè)原始信號(hào)為x(t)，找出其所有局部極值點(diǎn)，將所有的局部極大值點(diǎn)和局部極小值點(diǎn)分別用三次樣條曲線(xiàn)連接起來(lái)，得到x(t)的Emax(t)和下包絡(luò)線(xiàn)Emin(t)；②按如下兩式計(jì)算局部均值函數(shù)mn⑴和包絡(luò)估計(jì)函數(shù)C11⑴；
權(quán)利要求
1.一種基于LMD和PCA的滾動(dòng)軸承狀態(tài)辨識(shí)方法，其特征在于，包括以下步驟 1)獲取實(shí)驗(yàn)數(shù)據(jù)分別采集滾動(dòng)軸承的運(yùn)行狀態(tài)處于正常和故障情況下的振動(dòng)加速度數(shù)據(jù)，故障包括滾動(dòng)體故障、內(nèi)圈故障和外圈故障； 2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分或四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分； 兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分是指按照時(shí)間間隔t分別劃分將滾動(dòng)軸承的運(yùn)行狀態(tài)處于正常情況下的振動(dòng)加速度數(shù)據(jù)和滾動(dòng)軸承的運(yùn)行狀態(tài)處于故障情況下的振動(dòng)加速度數(shù)據(jù)；劃分的每個(gè)數(shù)據(jù)段對(duì)應(yīng)一個(gè)特征向量； 四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分是指按照時(shí)間間隔h分別劃分將滾動(dòng)軸承的運(yùn)行狀態(tài)處于正常情況下的振動(dòng)加速度數(shù)據(jù)、滾動(dòng)軸承的運(yùn)行狀態(tài)處于滾動(dòng)體故障情況下的振動(dòng)加速度數(shù)據(jù)、滾動(dòng)軸承的運(yùn)行狀態(tài)處于內(nèi)圈故障情況下的振動(dòng)加速度數(shù)據(jù)和滾動(dòng)軸承的運(yùn)行狀態(tài)處于外圈故障下的振動(dòng)加速度數(shù)據(jù)；劃分的每段數(shù)據(jù)對(duì)應(yīng)一個(gè)特征向量； 3)當(dāng)步驟2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，對(duì)劃分的每段數(shù)據(jù)分別進(jìn)行局部均值分解處理，獲得每段數(shù)據(jù)的乘積函數(shù)分量，組成各自的乘積函數(shù)矩陣； 當(dāng)步驟2)進(jìn)行四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，對(duì)劃分的每段數(shù)據(jù)分別進(jìn)行局部均值分解處理，獲得每段數(shù)據(jù)的乘積函數(shù)分量，組成各自的乘積函數(shù)矩陣； 4)提取滾動(dòng)軸承的狀態(tài)特征向量對(duì)每個(gè)乘積函數(shù)矩陣進(jìn)行主成分分析處理，計(jì)算對(duì)應(yīng)的T2統(tǒng)計(jì)量的控制限和SPE統(tǒng)計(jì)量的控制限，這兩個(gè)控制限的值構(gòu)成了每段數(shù)據(jù)的二維統(tǒng)計(jì)特征向量，每段數(shù)據(jù)的二維統(tǒng)計(jì)特征向量對(duì)應(yīng)一個(gè)狀態(tài)點(diǎn)；將獲得的T2統(tǒng)計(jì)量的控制限和SPE統(tǒng)計(jì)量的控制限分別進(jìn)行歸一化處理，當(dāng)步驟2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，分別標(biāo)記為“正?！焙汀肮收稀眱深?lèi)樣本；當(dāng)步驟2)進(jìn)行四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，分別標(biāo)記為“正?！?、“滾動(dòng)體故障”、“內(nèi)圈故障”和“外圈故障”四類(lèi)樣本； 5)當(dāng)步驟2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，利用最小二乘支持向量機(jī)算法將此“正?！焙汀肮收稀眱深?lèi)樣本進(jìn)行分類(lèi)，得到對(duì)應(yīng)的分類(lèi)線(xiàn)，此分類(lèi)線(xiàn)即為滾動(dòng)軸承運(yùn)行狀態(tài)的安全域邊界，根據(jù)此邊界能夠辨識(shí)正常和故障兩種情況； 當(dāng)步驟2)進(jìn)行四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分時(shí)，利用多分類(lèi)的最小二乘支持向量機(jī)算法將此“正常”、“滾動(dòng)體故障”、“內(nèi)圈故障”和“外圈故障”四類(lèi)樣本進(jìn)行分類(lèi)，獲得狀態(tài)辨識(shí)結(jié)果。
2.根據(jù)權(quán)利要求I所述的一種基于LMD和PCA的滾動(dòng)軸承狀態(tài)辨識(shí)方法，其特征在于，所述時(shí)間間隔h為采集數(shù)據(jù)時(shí)滾動(dòng)軸承自轉(zhuǎn)一圈所需的時(shí)間。
全文摘要
本發(fā)明公開(kāi)了屬于軌道交通安全技術(shù)領(lǐng)域的一種基于LMD和PCA的滾動(dòng)軸承狀態(tài)辨識(shí)方法。包括以下步驟1)獲取實(shí)驗(yàn)數(shù)據(jù)；2)進(jìn)行兩類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分或四類(lèi)狀態(tài)實(shí)驗(yàn)數(shù)據(jù)劃分；3)對(duì)劃分的每段數(shù)據(jù)分別進(jìn)行局部均值分解處理，獲得每段數(shù)據(jù)的PF分量，組成各自的PF矩陣；4)提取滾動(dòng)軸承狀態(tài)的統(tǒng)計(jì)特征向量；5)確定安全域邊界；6)辨識(shí)滾動(dòng)軸承運(yùn)行狀態(tài)。本發(fā)明的有益效果為本發(fā)明能夠有效地提取滾動(dòng)軸承運(yùn)行狀態(tài)特征，并完成滾動(dòng)軸承的運(yùn)行狀態(tài)安全域估計(jì)以及正常、滾動(dòng)體故障、內(nèi)圈故障、外圈故障四種狀態(tài)的辨識(shí)。本發(fā)明為滾動(dòng)軸承故障監(jiān)測(cè)、診斷提供了快速、有效的方法。
文檔編號(hào)G01M13/04GK102829974SQ20121027960
公開(kāi)日2012年12月19日 申請(qǐng)日期2012年8月7日 優(yōu)先權(quán)日2012年8月7日
發(fā)明者秦勇, 張媛, 賈利民, 邢宗義, 廖貴玲, 陳皓, 季海燕, 陳波 申請(qǐng)人:北京交通大學(xué)