[发明专利]基于GS-SVM的不同工况下轴承损伤程度诊断方法

权利要求书

1.一种基于GS-SVM的不同工况下轴承损伤程度诊断方法，其特征在于，包括如下步骤：

步骤S1：获取不同工况下轴承的振动加速度信号；

步骤S2:设定VMD算法中的惩罚因子α=2000，根据健康状态的振动信号从避免模态混叠的角度确定所有信号的模态分解个数K;

步骤S3：计算所获取振动加速度信号的时域指标、频域指标，并由步骤S2确定的VMD参数，对所获取的振动加速度信号进行VMD分解，基于分解结果，计算其样本熵；

步骤S4：根据得到的振动加速度信号的时域指标、频域指标与分量样本熵构成特征向量并进行归一化,将归一化后的特征向量随机分成训练集和测试集；

步骤S5：采用网格搜索法对支持向量机的惩罚系数C和径向基核函数参数g寻优，将训练集输入支持向量机进行训练，得到训练后的支持向量机；

步骤S6：将测试集输入训练后的支持向量机，判断故障轴承的损伤程度；

原始信号的时域指标包括标准偏差、最大值、峭度、均方根、波峰指标、裕度因子、波形指标、脉冲因子；所述原始信号的频域指标包括平均频率、中心频率、平均频率均方根、标准偏差频率；

所述不同工况下轴承的振动加速度信号包括健康、轴承微弱故障、轴承中度故障、轴承重度故障振动加速度信号，每种信号都包含0 Hp、1 Hp、2 Hp、3 Hp四种不同负载，每种工况下的实测信号长度和个数均相等。

2.根据权利要求1所述的基于GS-SVM的不同工况下轴承损伤程度诊断方法，其特征在于：所述VMD算法具体为：能够自适应将一个实际信号x分解成K个模态分量u_k，并确定每个分量的中心频率ω_k和带宽；

选用健康信号来获取整个系统所采集到振动信号的模态分解个数K,由K=2开始，按照K=K+1迭代对信号进行分解，若信号分解后任意两个分量的中心频率的差值≤0.1f_min,则停止迭代，K由上一步模态分解个数确定。

3.根据权利要求1所述的基于GS-SVM的不同工况下轴承损伤程度诊断方法，其特征在于：所述计算其样本熵时，嵌入维数m=2，相似容限r=0.1×sd，其中sd为分量的标准差。

4.根据权利要求1所述的基于GS-SVM的不同工况下轴承损伤程度诊断方法，其特征在于：所述步骤S4归一化具体为：归一化至区间[0,1]，计算公式为：

式中：l为数据组数，则为归一化后的特征向量。

5.根据权利要求1所述的基于GS-SVM的不同工况下轴承损伤程度诊断方法，其特征在于：所述惩罚系数C和径向基核函数参数g的搜索区间均为[2^-10,2¹⁰]。