[发明专利]一种基于K均值的滚珠丝杠副状态监测方法

权利要求书

1.一种基于K均值的滚珠丝杠副状态监测方法，其特征在于，包括下列步骤：

步骤a、采集滚珠丝杠副的原始振动信号；

步骤b、根据振动信号进行特征提取，提取的特征以特征值矩阵的形式存储，通过特征选择，选出对于丝杠副退化贡献程度大的特征；

步骤c、对所述特征值进行标准化，公式如下：

公式中xk为第k个样本特征值，为当前k个样本的特征值均值，s(X_k)为当前k个样本的特征值标准差；

步骤d、利用已有的全生命周期的丝杠历史数据进行K均值训练，模拟出的聚类中心M作为状态监测的初始凝聚点；所述K均值训练包括将提取的丝杠历史数据进行K均值聚类，聚类的结果为分成三类，对所分的三类分别求中心点，即为训练出的初始凝聚点；初始凝聚点有三个，分别为1-健康、2-退化、3-失效；

步骤e、每加入一个新样本xk，与前k-1个样本存入Xk中，然后分别计算Xk与M中的每个凝聚点的距离，找出距离最小的凝聚点及其标签，最后将该样本归到此标签类中；

步骤f、更新凝聚点M，更新机制为求出各个新分类的中心，即类内点的平均值；

步骤g、画出每个样本所在类的标签，并用不同颜色区别不同状态，重复步骤e和步骤f，直到设备发生故障无法提取数据。

2.根据权利要求1所述一种基于K均值的滚珠丝杠副状态监测方法，其特征在于，所述特征值矩阵包括均方根值、方差、标准差、最大值、最小值、平均幅值、峭度因子、波形系数、峰值、峰值因子、脉冲指标、方根幅值、裕度系数以及偏度。

3.根据权利要求2所述一种基于K均值的滚珠丝杠副状态监测方法，其特征在于，所述特征选择采用Fisher准则或者主成分分析。

4.根据权利要求3所述一种基于K均值的滚珠丝杠副状态监测方法，其特征在于，采集所述原始振动信号一次为一个样本，对每个新加入的样本都进行一次特征提取。