[发明专利]基于稀疏编码和LSSVM的轮对轴承检测装置及方法

说明书

本发明公开了基于稀疏编码和LSSVM的轮对轴承检测装置及方法，包括轮对轴承i、轮对轴承检测装置A、换向装置、轮对轴承检测装置B、分级收纳装置j、加速度传感器A和速度传感器A，所述轮对轴承检测装置A的两侧设有速度传感器A和加速度传感器A，轮对轴承检测装置A的侧边设有换向装置，换向装置的侧边设有轮对轴承检测装置B，轮对轴承检测装置B的两侧设有加速度传感器B和速度传感器B，轮对轴承检测装置B的右侧设有分级收纳装置j。本发明采用稀疏编码结合LSSVM的算法，解决了人为判断存在的主观性，将提高分类结果的可靠性，提高了识别效率和准确率，并且符合大规模生产的潮流。

技术领域

本发明涉及轴承品质检测领域，具体是基于稀疏编码和LSSVM的轮对轴承检测装置及方法。

背景技术

轨道车辆轮对轴承是车辆行走系统的心脏部分，其主要功能为承载列车垂向自重以及载重力。轮对轴承故障会引起车辆延误，甚至会威胁人身安全。但是由于设计、装配精度以及外部因素等原因，轮对轴承不可避免的会出现腐蚀、裂纹、磨损等故障。随着车辆的行驶速度和运营里程的提高，加剧了轮对轴承的故障。因此，在组装出厂前对高速列车轮的轴承进行品质检测具有重要意义。

目前，一些生产厂家在组装出厂前会对轮对轴承的品质进行无损检测，所使用的方法是依靠人工检测和磁粉探伤法。磁粉探伤法虽然操作简单、灵敏度高但是会有盲区。人工检测的误检率高，无法进行精确检测。并且这两种方法不易实现自动化，工作效率低。由于上述原因，必须寻找一种新的品质检测方法来满足技术要求。

轮对轴承的品质检测与故障诊断不同，故障诊断可以通过观察故障频率判断故障类型。而品质检测不同，这就需要寻找一种可以自适应提取特征的算法。稀疏编码是21世纪初兴起的一种信号处理技术，它通过字典学习获得可以表达信号的过完备库，在过完备库中为待编码的信号自适应的选择尽可能少的相似基函数，将信号表示为相似基函数的线性组合，从而得到原始信号的稀疏表示。将通过稀疏编码所得的稀疏系数作为特征样本，进行模型建立。

发明内容

本发明的目的在于提供基于稀疏编码和LSSVM的轮对轴承检测装置及方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于稀疏编码和LSSVM的轮对轴承检测装置及方法，包括轮对轴承i、轮对轴承检测装置A、换向装置、轮对轴承检测装置B、分级收纳装置j、加速度传感器A和速度传感器A，所述轮对轴承检测装置A的两侧设有速度传感器A和加速度传感器A，轮对轴承检测装置A的侧边设有换向装置，换向装置的侧边设有轮对轴承检测装置B，轮对轴承检测装置B的两侧设有加速度传感器B和速度传感器B，轮对轴承检测装置B的右侧设有分级收纳装置j。

一种基于稀疏编码和LSSVM结合的轮对轴承品质检测方法，具体检测方法如下：

(1)轮对轴承样本的划分；

获取各种轮对轴承品质下的振动信号样本Y＝{y_i|y_i∈Rⁿ,1≤i≤M}(M＝3)，将每一类轮对轴承样本用KS算法分为40个训练样本集X_t＝{xt_ij}和10个测试样本集X_p＝{xp_ij}，训练样本集用于分类器的训练，测试样本用于测试训练后分类器的分类效果；

(2)轮对轴承训练样本的特征；

提取针对本实施例步骤(1)，对轮对轴承训练数据集进行K-SVD字典学习，获得字典集D＝{d₁,d₂,d₃,}，根据字典学习得到的D对每一类样本的轮对轴承测试集和轮对轴承训练集用OMP进行稀疏求解，得到特征向量；

(3)对LSSVM进行训练；