[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

说明书

本发明涉及一种基于路图特征的缆车滚动轴承故障诊断方法，首先通过缆车滚动轴承故障诊断系统监测缆车滚动轴承的振动信号，再将振动信号转化成路图模型，并提取缆车滚动轴承的路图特征，然后使用ReliefF算法筛选重要性最大的路图特征，最后结合随机森林算法对缆车滚动轴承故障进行分类，实现对缆车轴承故障的有效分类。本发明提供基于路图特征的缆车滚动轴承故障诊断方法，解决缆车滚动轴承故障的诊断问题。

技术领域

本发明涉及缆车滚动轴承故障诊断领域，特别设计基于路图特征的缆车滚动轴承故障诊断方法。

背景技术

大型缆车是一种旋转类机械，也是大型游乐设施的一种。缆车的主轴系统是缆车重要的承载部件，它由主轴和轴承组成。而大多数缆车轴承属于滚动轴承，其失效可能直接引起缆车事故，造成人员的伤亡。因此，对于大型观缆车轴承的监测具有重要的意义。

目前对于滚动轴承故障特征提取的技术主要是基于传统的时域、频域和时频域信号处理方法。然而随着轴承部件的复杂化，滚动轴承故障振动信号的非线性和非平稳性，传统信号处理方法往往难以有效地提取于轴承故障相关性大的特征，而提取有效的故障特征又是成功诊断机械故障的关键。

近年来，图信号处理方法得到极大发展，随着图谱理论的发展，传统的信号处理方法扩展到图信号的分析上。图结构本身也包含了顶点间的相互关系和边的重要信息。从图结构中可以挖掘出图信号中包含的丰富信息，因此本发明使用图谱理论分析缆车滚动轴承故障诊断。

发明内容

为了解决上述存在问题。本发明提供基于路图特征的缆车滚动轴承故障诊断方法，解决缆车滚动轴承故障的诊断问题。为达此目的：

本发明提供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：

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。

作为本发明进一步改进，所述步骤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：