[发明专利]基于激励机制的轴承故障诊断方法

权利要求书

1.一种基于激励机制的轴承故障诊断方法，其特征在于，包括下述步骤：

（1）对轴承采集不同故障状态以及正常样本的振动信号，采用极点对称经验模态分解方法提取振动信号特征；

（2）对得到的故障数据采用加权核主成分分析法进行特征提取；

（3）将特征提取后的数据划分为训练数据和测试数据，并将训练数据划分为4组，1组作为初步训练数据集输入到步骤（4）并初始化权重，剩余数据作为增量训练集；

（4）在将增量训练集不断输入的过程中，计算其与初步训练数据集中数据的Wasserstein距离，进而计算相似度值；

（5）根据相似度值的大小进行激励机制的训练，动态调整阈值、样本数据及权重值, 对于得到的新增特征与现有特征的Wasserstein相似度值，选取最大值作为新增特征的相似度值，并根据不同原则判定新增、合并或是暂存该新增特征，在该过程中，使用α代表现有特征中使两对比特征之间相似度有意义的最小相似度阈值，使用β代表现有特征中使两对比特征之间相似度有意义的最大相似度阈值，使用b代表最小相似度阈值和最大相似度阈值的平均值，当相似度值大于b时，合并特征并增大该现有特征的权重值；当相似度值在α和b之间时，将新特征加入到现有特征中并赋予初始权值；其余的相似度值代表该新增特征是无意义的噪声干扰值或者还未找到相似度匹配的特征，将其暂存于一个新的列表中，若再次使用，则继续对其判断，否则在程序运行完毕后将其舍弃，然后根据新增特征增量与合并原则来计算特征的动态权重，用以衡量该特征随时间变化的重要性改变程度，其中阈值α、b、β是根据当前情况不断变化的；

（6）将激励机制训练得到的数据输入到BP神经网络中进行可靠分类诊断。

2.根据权利要求1所述的基于激励机制的轴承故障诊断方法，其特征在于：所述步骤（2）中，加权核主成分分析法的权重是以不同样本的标签作为权值进行计算的，其中样本共有10个类别，标签的信息值为，其中l_j表示第j个标签信息值，式中，标签的信息值即为样本的权值，然后根据该权值构造加权核矩阵，其中表示i行j列的加权核矩阵，，并在高斯核函数的基础上构造加权核主成分分析法，用于特征提取。

3.根据权利要求1所述的基于激励机制的轴承故障诊断方法，其特征在于：所述步骤（4）中，将Wasserstein距离用于计算相似度值，相似度值计算公式如下：

其中表示新增特征P和现有特征Q两个不同故障特征的相似度值，W(P,Q)表示新增特征P和现有特征Q两个不同故障特征的Wasserstein距离，具体计算公式如下：

其中，P(i)和Q(i)分别代表新增特征P的第i个值和现有特征Q的第i个值，表示新增特征P和现有特征Q的联合分布，表示新增特征P和现有特征Q组合后所有可能的联合分布的集合，表示从联合分布中采样得到新增特征P的第i个值和现有特征Q的第i个值，表示新增特征P的第i个值与现有特征Q的第i个值之间的距离，表示样本对距离的期望值，inf表示下界，即在所有可能的联合分布中对期望值取到的下界就是Wasserstein距离，所以新增特征P和现有特征Q之间的差异性越小，Wasserstein距离越小，则相似度值越大，以此衡量新增特征与现有特征的相似度。