一种自适应复数域AMFM模型优化的轴承故障诊断方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115979649A(43)申请公布日2023.04.18(21)申请号202310064706.3G06F17/16(2006.01)(22)申请日2023.02.06G06F17/13(2006.01)(71)申请人安徽大学地址230601安徽省合肥市九龙路111号安徽大学(72)发明人竺德李鑫高清维卢一相孙冬赵大卫(74)专利代理机构西安铭泽知识产权代理事务所(普通合伙)61223专利代理师高艳辉(51)Int.Cl.G01M13/045(2019.01)G06F18/10(2023.01)G06F18/2411(2023.01)G06F17/11(2006.01)权利要求书2页说明书7页附图4页(54)发明名称一种自适应复数域AMFM模型优化的轴承故障诊断方法(57)摘要本发明公开了一种自适应复数域AMFM模型优化的轴承故障诊断方法，涉及轴承故障诊断技术领域，利用调幅调频模型对原始信号进行信号分解后得到调幅调频分量及其瞬时幅值和瞬时频率，计算瞬时幅值和瞬时频率的精细复合多尺度波动色散熵，将熵值构造为特征矩阵，使用向量加权平均算法对支持向量机模型进行优化，采用优化后的支持向量机模型对特征矩阵进行分类，根据分类结果实现故障诊断；本方法能够分解滚动轴承振动信号，合理处理轴承振动信号中的交叉频率，快速提取轴承振动信号分量的特征，进而有效分类不同的轴承故障，并且计算复杂度较小同时具有较高的识别精度和识别速度。CN115979649ACN115979649A权利要求书1/2页1.一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，包括以下步骤：通过调幅调频模型对滚动轴承振动信号进行分解，获得振动信号的调幅调频分量的瞬时幅值和瞬时频率；使用同步提取变换算法对所述调幅调频模型在时刻t的瞬时频率进行估算，同时将调幅调频模型改写成调幅分量与调频分量相乘的形式；对分解后的调幅调频模型凸优化处理，并将凸优化处理后的结果转化为相应的拉格朗日优化方程后进行偏微分处理，获得调幅分量的优化迭代公式和调频分量的更新公式；根据调幅分量与调频分量，计算调幅调频模型的瞬时幅值和瞬时频率为：IAk(t)＝|Pk(t)|其中，|Pk(t)|是调幅分量Pk(t)的模值，是瞬时频率的估计值，δt是求函数关于t的导数，IAk(t)是瞬时幅值，IFk(t)是瞬时频率；计算瞬时幅值和瞬时频率的精细复合多尺度波动色散熵，将得到的熵值构造为特征矩阵；使用向量加权平均算法对支持向量机模型进行优化，采用优化后的支持向量机模型对特征矩阵进行分类，根据分类结果实现轴承故障诊断。2.根据权利要求1所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述调幅调频模型为：x(t)＝A(t)cos(2πf(t)+θ)其中A(t)是信号x(t)的瞬时振幅，fIF(t)＝f(t)+f'(t)t是信号x(t)的瞬时频率，θ表示信号的初始相角。3.根据权利要求2所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，采用同步提取变换算法对所述调幅调频模型在时刻t的瞬时频率进行估算，得到调幅调频模型为：其中P(t)、Q(t)分别为调幅分量与调频分量；当时，则P(t)＝A(t)、Q(t)＝exp(j2πf(t)+θ)；当时，则Pk(t)＝ak(t)、Qk(t)＝exp(j2πfk(t)+θk)。4.根据权利要求3所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特2CN115979649A权利要求书2/2页征在于，对分解后的调幅调频模型进行凸优化处理得到：其中ε为信号中的噪声成分，T表示微分算子。5.根据权利要求4所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述拉格朗日优化方程为：其中λ是拉格朗日因子，vk是分量的泄漏因子。6.根据权利要求5所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述调幅分量Pk(t)的优化迭代公式为：所述调频分量Qk(t)的更新公式为：其中∠Pk(t)是Pk(t)的相角。7.根据权利要求1所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述精细复合多尺度波动色散熵为：‑(τ)其中散布模式π的平均概率pk为不同起始点的每个可能的散布模式的概率。8.根据权利要求1所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述支持向量机的分类决策函数为：其中为支持向量，b为位移项，K(xi,xj)＝φ(xi)·φ(xj)为核函数。3CN115979649A说明书1/7页一种自适应复数域AMFM模型优化的轴承故障诊断方法技术领域[0001]本发明涉及轴承故障诊断技术领域，具体涉及一种自适