[发明专利]一种基于路图特征的缆车滚动轴承故障诊断方法

权利要求书

1.基于路图特征的缆车滚动轴承故障诊断方法，具体步骤如下，其特征在于,

步骤1：搭建缆车滚动轴承故障诊断系统平台，该平台可以通过加速度传感器采集缆车滚动轴承的振动信号y(i)，并将检测到的振动信号划分为训练样本和测试样本；

步骤2：对振动信号y(i)构建相应的路图模型，并得到缆车滚动轴承振动图信号G(y,N)、邻接矩阵W_N×N、拉普拉斯矩阵L_N×N；

步骤3：通过构建的路图模型，提取缆车滚动轴承图信号的路图特征，包括：路图的时域特征、路图的频域特征，并对提取的路图特征使用ReliefF算法筛选重要性最大的路图特征；

步骤4：用训练样本训练随机森林模型，并将测试样本输入到训练完成的随机森林模型中，最终随机森林模型输出缆车滚动轴承的故障诊断结果；

步骤5：使用数据库对分类结果进行相关的数据存储，对于错分的情况，数据库将数据发送至上位机，并对现有模型进行优化升级，从而不断提高模型的分类精确度。

2.根据权利要求1基于路图特征的缆车滚动轴承故障诊断方法，其特征在于：步骤2中路图模型建立如下：

首先按照一定采样频率分别多次采集缆车滚动轴承不同状态下的振动信号y(i)，其中i＝1,2,…,N，缆车滚动轴承状态分为：外圈故障、内圈故障、滚动体故障、正常状态；

假设振动信号的采样点v_i上的测量值为y_i，将振动信号转化为路图信号G(y,N)＝[y₁,y₂,y₃,…,y_N]^T，N是信号的采样点总数，同时也是路图的顶点数总数，则路径图所对应的邻接矩阵W_N×N可表示为：

w₁₂表示顶点v₁和v₂之间权值，对于任意两个顶点间的权值w_ij可以用下式表示：

其中θ是热核宽度常数，取值0.75；再利用邻接矩阵来构造图G(y,N)的拉普拉斯矩阵L_N×N：

L_N×N＝D_N×N-W_N×N (3)

式中，D_N×N是路图信号的度矩阵，仅在对角线上存在元素，其余元素为0：

拉普拉斯矩阵全面考虑了图结构的完整性，更加详尽的表达了图结构。