72] 本發(fā)明實(shí)施例采用機(jī)車(chē)走行部滾動(dòng)軸承實(shí)驗(yàn)數(shù)據(jù)作為驗(yàn)證依據(jù)進(jìn)行特征提取分 析，其中軸承型號(hào)為552732QT，振動(dòng)加速度信號(hào)的采樣頻率為12kHz，軸承轉(zhuǎn)速為1797rpm， 實(shí)驗(yàn)數(shù)據(jù)包含了四種故障類(lèi)型的數(shù)據(jù)，即內(nèi)圈故障、外圈故障、滾動(dòng)體故障和正常模式，每 種工況下包含了多組振動(dòng)信號(hào)數(shù)據(jù)，每組數(shù)據(jù)的采樣點(diǎn)為2048,即每組數(shù)據(jù)包含2048個(gè)振 動(dòng)加速度信號(hào)數(shù)據(jù)。
[0073] 本發(fā)明實(shí)施例使用的硬件環(huán)境為：Wind〇ws7操作系統(tǒng)，CPU為Intel (R) Core (i5) 2. 40GHz，內(nèi)存為4G，運(yùn)行軟件為MATLAB R2010a，樸素貝葉斯推理軟件采用Kevin Murphy開(kāi)發(fā)的Bayesian Network Tool工具包，簡(jiǎn)稱BNT工具包。
[0074] 實(shí)施例一
[0075] 如圖1所示為本發(fā)明實(shí)施例的機(jī)車(chē)走行部滾動(dòng)軸承故障診斷方法的流程圖，該方 法包括：
[0076] 步驟SlOl :采集不同故障類(lèi)型下機(jī)車(chē)走行部滾動(dòng)軸承的振動(dòng)加速度數(shù)據(jù)，并根據(jù) 故障類(lèi)型對(duì)數(shù)據(jù)進(jìn)行分組，總組數(shù)為A，所述四種不同故障類(lèi)型包括：正常信號(hào)、內(nèi)圈故障、 外圈故障和滾動(dòng)體故障；
[0077] 正常信號(hào)、內(nèi)圈故障、外圈故障和滾動(dòng)體故障四種工況即代表機(jī)車(chē)滾動(dòng)軸承的故 障類(lèi)型，在后續(xù)方法建立的故障診斷模型中可分別以1、2、3、4表示。
[0078] 步驟S102 :根據(jù)分組后的振動(dòng)加速度數(shù)據(jù)，得到所述振動(dòng)加速度數(shù)據(jù)的頻域信 號(hào)；
[0079] 步驟S103 :對(duì)所述頻域信號(hào)進(jìn)行三層小波包分解，并構(gòu)建故障特征集；
[0080] 小波包分解（wavelet packet decomposition)也可稱為小波包（wavelet packet)或子帶樹(shù)（subband tree)及最佳子帶樹(shù)結(jié)構(gòu)（optimal subband tree structuring)。其概念是用分析樹(shù)來(lái)表示小波包，即利用多次疊代的小波轉(zhuǎn)換分析輸入信 號(hào)的細(xì)節(jié)部分。
[0081] 步驟S104 :將所述故障特征集進(jìn)行隨機(jī)排列，將前B組作為訓(xùn)練集，后C組作為測(cè) 試集，其中，B+C = A，B>C;
[0082] 在本發(fā)明實(shí)施例中，為了建立更加準(zhǔn)確的故障診斷模型，優(yōu)選的，所取的訓(xùn)練集的 組數(shù)B大于測(cè)試集C。
[0083] 步驟S105 :采用樸素貝葉斯分類(lèi)器對(duì)所述B組訓(xùn)練集進(jìn)行訓(xùn)練，建立基于樸素貝 葉斯的機(jī)車(chē)走行部滾動(dòng)軸承故障診斷模型；
[0084] 貝葉斯分類(lèi)的基礎(chǔ)是概率推理，就是在各種條件的存在不確定，僅知其出現(xiàn)概率 的情況下，如何完成推理和決策任務(wù)，概率推理是與確定性推理相對(duì)應(yīng)的。而樸素貝葉斯分 類(lèi)器是基于獨(dú)立假設(shè)的，即假設(shè)樣本每個(gè)特征與其他特征都不相關(guān)。盡管這些特征相互依 賴或者有些特征由其他特征決定，然而樸素貝葉斯分類(lèi)器認(rèn)為這些屬性在判定該水果是否 為蘋(píng)果的概率分布上獨(dú)立的。樸素貝葉斯分類(lèi)器依靠精確的自然概率模型，在有監(jiān)督學(xué)習(xí) 的樣本集中能獲取得非常好的分類(lèi)效果。在許多實(shí)際應(yīng)用中，樸素貝葉斯模型參數(shù)估計(jì)使 用最大似然估計(jì)方法，換而言之樸素貝葉斯模型能工作并沒(méi)有用到貝葉斯概率或者任何貝 葉斯模型。樸素貝葉斯分類(lèi)器的使用為現(xiàn)有技術(shù)，在此不再贅述。
[0085] 步驟S106 :根據(jù)所述故障診斷模型對(duì)所述C組測(cè)試集進(jìn)行分類(lèi)，根據(jù)分類(lèi)結(jié)果結(jié) 合所述故障特征集評(píng)估故障診斷模型的分類(lèi)性能。
[0086] 具體的，評(píng)估故障診斷模型的分類(lèi)性能，實(shí)際上即是將C組測(cè)試集的每組數(shù)據(jù)代 入故障診斷模型中，根據(jù)故障診斷模型得出在模型中對(duì)應(yīng)的故障類(lèi)型，將該故障類(lèi)型與原 始故障特征集中每組數(shù)據(jù)對(duì)應(yīng)的故障類(lèi)型進(jìn)行比對(duì)，兩者一致的概率越高，則說(shuō)明故障診 斷模型的分類(lèi)性能越高。
[0087] 本發(fā)明的機(jī)車(chē)走行部滾動(dòng)軸承故障診斷方法，模型訓(xùn)練時(shí)間更短，分類(lèi)準(zhǔn)確率更 高。將小波包和樸素貝葉斯分類(lèi)方法引進(jìn)到機(jī)車(chē)走行部滾動(dòng)軸承故障診斷中，為機(jī)車(chē)走行 部滾動(dòng)軸承故障診斷提供了理論基礎(chǔ)，對(duì)列車(chē)的安全運(yùn)行具有重要意義?；谛〔ò蜆?素貝葉斯分類(lèi)的機(jī)車(chē)走行部滾動(dòng)軸承故障診斷方法，適合于復(fù)雜、動(dòng)態(tài)的環(huán)境，可以大大提 高機(jī)車(chē)走行部滾動(dòng)軸承故障診斷的速度和準(zhǔn)確度，是解決機(jī)車(chē)走行部滾動(dòng)軸承故障診斷問(wèn) 題的有效途徑，也可將該方法推廣應(yīng)用至冶金、化工、航空等其他領(lǐng)域。
[0088] 實(shí)施例二
[0089] 如圖2所示為本發(fā)明實(shí)施例的另一種機(jī)車(chē)走行部滾動(dòng)軸承故障診斷方法的流程 圖，其為步驟S102的具體描述，包括：
[0090] 步驟S201 :對(duì)所述分組后的振動(dòng)加速度數(shù)據(jù)進(jìn)行消除趨勢(shì)項(xiàng)處理，去除所述振動(dòng) 加速度數(shù)據(jù)中的噪聲；
[0091] 步驟S202 :對(duì)消除趨勢(shì)項(xiàng)后的振動(dòng)加速度數(shù)據(jù)信號(hào)進(jìn)行二次積分得到位移信號(hào)， 即得到時(shí)域分析后的時(shí)域信號(hào)；
[0092] 步驟S203 :對(duì)所述時(shí)域信號(hào)進(jìn)行快速傅里葉變換，得到頻譜分析后的頻域信號(hào)。
[0093] 本實(shí)施例為步驟S102的細(xì)化，具有實(shí)施例一的全部技術(shù)效果，在此不再贅述。
[0094] 實(shí)施例三
[0095] 如圖3所示為本發(fā)明實(shí)施例的又一種機(jī)車(chē)走行部滾動(dòng)軸承故障診斷方法的流程 圖，其為步驟S103的具體描述，包括：
[0096] 步驟S301 :對(duì)去噪后的A組頻域信號(hào)進(jìn)行三層小波包分解，每組信號(hào)得到8個(gè)頻 域分量 fl/8, f*2/8, f*3/8, f*4/8, 6/8, f*6/8, 4/8, f的信號(hào)；
[0097] 三層小波包分解，也即一維三階快速小波轉(zhuǎn)換，利用多次疊代的小波轉(zhuǎn)換分析輸 入信號(hào)，因此經(jīng)過(guò)三次的小波轉(zhuǎn)換后如圖4所示。
[0098] 步驟S302 :計(jì)算所述頻域信號(hào)的各個(gè)頻域分量的能量E1/8, E2/8) E3/8) E4/8) E5/8, Eg/g, E 7/8, E，構(gòu)建A*8的能量特征向量石=^，^，^，勾8，取8,￡18，瑪 !^，其中1為六組信號(hào)中的 第i組；
[0099] 每個(gè)頻域分量的能量可以表示為：$ = ΣΙ%|2，其中Xk為小波包分解系數(shù)中的各 Ar-I 個(gè)元素，小波包分解系數(shù)是一個(gè)矩陣，N為小波包分解系數(shù)的長(zhǎng)度，k的取值為1-Ν。
[0100] 步驟S303 :根據(jù)所述A*8的能量特征向量和故障類(lèi)型，構(gòu)建（A+l)*8的故障特征 集S = {(X/,K)匕，其中Yi e {1，2, 3, 4}，為故障類(lèi)型。
[0101] 如表1所示，以實(shí)際采集的29組振動(dòng)加速度數(shù)據(jù)為例，構(gòu)建而成的故障特征集，其 中內(nèi)圈故障（故障類(lèi)型2) 9組，外圈故障（故障類(lèi)型3) 8組，滾動(dòng)體故障（故障類(lèi)型4) 4組， 正常信號(hào)8 (故障類(lèi)型1)組。
[0102] 表 1
[0103]
【主權(quán)項(xiàng)】
1. 一種機(jī)車(chē)走行部滾動(dòng)軸承故障診斷方法，其特征在于，包括： 采集不同故障類(lèi)型下機(jī)車(chē)走行部滾動(dòng)軸承的振動(dòng)加速度數(shù)據(jù)，并根據(jù)故障類(lèi)型對(duì)數(shù)據(jù) 進(jìn)行分組，總組數(shù)為A，所述四種不同故障類(lèi)型包括：正常信號(hào)、內(nèi)圈故障、外圈故障和滾動(dòng) 體故障； 根據(jù)分組后的振動(dòng)加速度數(shù)據(jù)，得到所述振動(dòng)加速度數(shù)據(jù)的頻域信號(hào)； 對(duì)所述頻域信號(hào)進(jìn)行三層小波包分解，并構(gòu)建故障特征集； 將所述故障特征集進(jìn)行隨機(jī)排列，將前B組作為訓(xùn)練集，后