一种基于多目标优化飞轮储能系统轴承的故障诊断方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113704868A(43)申请公布日2021.11.26(21)申请号202110813261.5G01M13/045(2019.01)(22)申请日2021.07.19(71)申请人广西大学地址530004广西壮族自治区南宁市西乡塘区大学路100号(72)发明人贺德强靳震震陈彦君刘晨宇周念玟邹雪妍李琴李先旺(74)专利代理机构南宁智卓专利代理事务所(普通合伙)45129代理人谭月萍邓世江(51)Int.Cl.G06F30/15(2020.01)G06F30/27(2020.01)G06K9/62(2006.01)G06N3/00(2006.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于多目标优化飞轮储能系统轴承的故障诊断方法(57)摘要本发明公开了一种基于多目标优化飞轮储能系统轴承的故障诊断方法，包括设置轴承的转速，对轴承振动信号进行监测和采集；建立多目标变分模态分解参数优化模型，并利用改进的多元宇宙算法对变分模态分解参数优化模型进行求解，获得最优模态分量数和惩罚因子；将模态分量数和惩罚因子数带入到变分模态分解参数优化模型中，对轴承振动信号进行分解，获取一系列模态分量；对获取的一系列模态分量进行信号重构，以便得到重构信号，并对重构信号进行变换获取特征向量；利用自适应变异粒子群优化的随机森林对轴承进行故障模式识别。本发明的诊断方法能够进行有效的降噪、提取全面的故障特征信息，实现准确的飞轮储能系统轴承故障诊断。CN113704868ACN113704868A权利要求书1/2页1.一种基于多目标优化飞轮储能系统轴承的故障诊断方法，其特征在于：包括以下步骤：步骤1：设置轴承的转速，对轴承振动信号进行监测和采集；步骤2：以模态分量包络熵最小和峭度值最大为目标，建立多目标变分模态分解参数优化模型，以并利用改进的多元宇宙算法对变分模态分解参数优化模型进行求解，获取变分模态分解的两个参数模态分量数和惩罚因子；步骤3：将模态分量数和惩罚因子数带入到变分模态分解参数优化模型中，对轴承振动信号进行分解，获取一系列模态分量；步骤4：对获取的一系列模态分量进行信号重构，以便得到重构信号，并对重构信号进行变换获取特征向量；步骤5：利用自适应变异粒子群优化的随机森林对轴承进行故障模式识别。2.根据权利要求1所述的一种基于多目标优化飞轮储能系统轴承的故障诊断方法，其特征在于：对所述轴承振动信号进行采集包括采样频率、采集轴承正常、外圈故障、内圈故障和滚动体故障。3.根据权利要求1所述的一种基于多目标优化飞轮储能系统轴承的故障诊断方法，其特征在于：利用改进的多元宇宙算法对变分模态分解参数优化模型进行求解包括如下步骤：将Tent混沌映射和Levy飞行引入到多元宇宙算法中，利用Tent混沌映射进行扰动初始种群和Levy飞行操作扩大目标函数值寻优范围；所述用Tent混沌映射满足：其中，n表示映射次数；xn表示第n次映射函数值。所述Levy飞行满足：s＝μ/|v|1/β；其中，s为Levy飞行路径L(λ)；参数β的取值范围为0＜β＜2，一般取β＝1.5；数μ、v为正态分布随机数，且满足：σμ和σv为正态分布的标准差，且满足：其中：参数β的取值范围为0＜β＜2，一般取β＝1.5。4.根据权利要求1所述的一种基于多目标优化飞轮储能系统轴承的故障诊断方法，其特征在于：将模态分量数和惩罚因子数带入到变分模态分解参数优化模型中包括：以模态分量包络熵最小和峭度值最大为目标，利用多元宇宙优化算法进行优化，将获得变分模态分解模态分量数和惩罚因子，带入变分模态分解参数优化模型中进行计算，实现信号分解，2CN113704868A权利要求书2/2页每个样本得到K个模态分量，然后计算每个模态分量的峭度、峰值指标、脉冲指标和波形指标；所述模态分解参数优化模型满足：式中，Ee是包络熵，零均值信号x(i)(i＝1,2,…,N),α(i)是信号x(i)经Hilbert解调得到的包络信号,k为峭度值。5.根据权利要求1所述的一种基于多目标优化飞轮储能系统轴承的故障诊断方法，其特征在于：对获取的一系列模态分量进行信号重构包括对振动信号的峭度、波形指标、峰值指标和脉冲指标进行信号重构，剔除包含噪声多的分量，将其他分量进行信号重构；提取重构信号的时域、频域和熵域的特征信息，构成特征向量并划分训练集和测试集。6.根据权利要求1所述的一种基于多目标优化飞轮储能系统轴承的故障诊断方法，其特征在于：利用自适应变异粒子群优化的随机森林算法对轴承进行故障模式识别包括：利用自适应变异粒子群算法对集成学习算法中的随机森林的树的个数和特征数进行优化；设置学习因子C1和因子C2为2，迭代次数为100，种群规模为30，最大速度为20，