CN115876476B 滚动轴承故障诊断方法、系统、计算机设备以及存储介质 （山东科技大学）

改进最小二乘支持向量机的滚动轴承故障诊断2采用樽海鞘群算法对最小二乘支持向量机的惩罚参数kkkkkk利用指数项e-jor对分解后的各IMF分量的中心频率进行调整，使得模态分量的频谱对k}＝u12K为原始振动信号的K个模态分量；k}=ω12K为各模态分量的中心频率；3**4为了获得猎物，鲸鱼以螺旋方式游向猎物的同hhbmax将公式(17)代入公式(13)得到改进后原始振动信号经过变分模态分解后，如果IMF分量中包含与故障冲击信息相关的特征c)表示分解后的各个信号经过希尔伯特解调后的包络信号；5将变分模态分解后的最小包络熵，作为改进后的鲸鱼优化s2.利用混沌初始化产生L+2M个向量，选择最后2M个向量作为鲸鱼种群位置并映射到；2.一种计算机设备，包括存储器和一个或多个处6[0001]本发明属于滚动轴承故障诊断技术领域，特别涉及一种滚动轴承故障诊断方法、[0003]而滚动轴承作为精密零部件，即便出现早期微弱故障也会影响验模态分解方法(EmpiricalModeDecompositioMeanDecomposition,LMD)方法和变分模态分解方法(VariationalModeDecomposition,VMD)等。支持向量机(SupportVectorMachine,SVM)是一种以统计理论为基础，通过寻找最优超[0007]而最小二乘支持向量机(LeastSquareSupportVectorMachines,LSSVM)作为[0009]传统滚动轴承故障诊断方法存在如下缺陷[0013]步骤1.利用变分模态分解方法对传感器采集的原7[0014]步骤2.基于重构得到的滚动轴承振[0015]步骤3.构建基于樽海鞘群优化最小二乘支持向量机的滚动轴承故障诊断模型，将融合多域特征的低维敏感特征子集输入到滚动轴承故障诊断模型中[0022]在滚动轴承故障诊断方法的基础上，本发明还提出了一种计算的鲸鱼优化算法对VMD参数组合进行寻优，即利用混沌理论对种群进行初始化并将非线性自适应权重应用到鲸鱼优化算法中，进而提出利用改进后的鲸鱼优化算法并将其用于VMD8[0046]步骤1.利用变分模[0047]变分模态分解算法即VMD算法是结合了经典的Wiener算法、Hilbert变换而提出9kkku2新的中心频率；i(o)表示输入序列的第i个带宽有限的子序列，i(e)表示输入序列的第k个分解结果中势必会产生表征上述成分的模态函数。为有效提升滚动轴承故障诊断的准确[0094]虽然收敛因子A的随机机制可以增强全局优化能力，但在迭代过程中会损失种群[0098]采用分段Logistic混沌映射对鲸鱼优化算法的种群M进行初始化，具体计算过程mii+1是[0,1]的随机量。[0102]下面给出一种基于搜索当前代理状态的非线性自适应权重策略，如公式(17)所i[0109]原始振动信号经过变分模态分解后，如果IMF分量中包含与故障冲击信息相关的w2。[0119]本发明通过引入智能优化算法WOA对VMD方法中的参数组合进行寻优。考虑到[0120]步骤2.基于重构得到的滚动轴承振1T1T132T2T143T31F14T42F25T53F36T64F47T75F58T81S19T92S2T103S3T114S4T125S5始特征排序表。拉普拉斯分值(Laplacescore,LS)是一种将拉普拉斯映射和局部信x2m分别表示用拉普拉斯分值法对原始特征进行轴承特征选取，其可以将高维特征集降为低维特征子[0156]步骤3.构建基于樽海鞘群优化最小二乘支持向量机的滚动轴承故障诊断模型，将融合多域特征的低维敏感特征子集输入到滚动轴承故障诊断模型中本发明提出了一种基于樽海鞘群优化最小二乘支持向量机(SSA_LSSVM)的轴承故障诊断[0169]p(V)表示LSSVM的核函数，用于将输入样本映射到高维特征空间进行线性回归求]T。[0176]步骤3.2.采用樽海鞘群算法对最小二分别表示食物位置。[0193]步骤3.3.利用樽海鞘群算法通过迭代寻找最小二乘支持向量机的惩罚参数c和最小包络熵为适应度函数，利用WOA和IWOA算法对变分模态分解方法中分解尺度和惩罚因778778[0210]由重构后的包络谱图看出，正常状态、内圈和外圈故障的特征频率分别为F1>F5>F4>T7>T10>T5>T6>T4>T13>T2>T1>S3>S2>T8>T11>S4>S5>T14>S1>T12>T9>T3。[0215]利用SSA_LSSVM建立滚动轴承故障诊断模型，将经过特征处理后得到的低维特征基于LS–LSSVM和LS_SSA_LSSVM故障诊断模型的诊断结果[0217]为了验证本发明所提模型效果，将该分类器的分类效果与粒子群算法[25]优化每种滚动轴承振动信号状态各取70%的数据作为训练样本，剩下的30%数据作为测试样本。。[0221]从表4中看出，利用四种不同的分类器对相同负荷下滚动轴承的四种工作状态进[0238]本实施例4述及了一种计算机可读存储介质，该计算机可读存储介质用于实现上述实施例1中述及的滚动轴承故障诊断方法的步骤。本实施例4中的计算机可读存储介质，[0239]该计算机可读存储介质可以是任意具备数据处理能力的设备或装置的内部存储