[发明专利]一种基于IFA-SVM的滚动轴承故障诊断方法

权利要求书

1.一种基于IFA-SVM的滚动轴承故障诊断方法，其特征在于：包括如下步骤：

(1)采集滚动轴承驱动端数据在某一种负荷的状态下的正常轴承、内圈故障轴承、外圈故障轴承、滚动体故障的振动信号共10种状态；

(2)将10类一维原始轴承驱动端数据进行切分，每一类切割成100份，每份为1024大小的数据段，依次提取出每个数据段的标准差，有效度，歪度，峭度，峰值，峰峰值，波形因数，脉冲因素，峰值因素，裕度特征值作为特征向量；

(3)再将步骤2得到的特征向量进行归一化处理；

(4)利用IFA算法对SVM的惩罚系数和核函数参数进行优化，搭建优化IFA-SVM模型；

(5)将步骤3得到的归一化之后的特征向量划分为训练集和测试集输入到IFA-SVM中进行分类训练，通过分类器的输出结果得到轴承的故障类型和工作状态，实现滚动轴承的故障诊断。

2.根据权利要求书1所述的一种基于IFA-SVM的滚动轴承故障诊断方法，其特征在于：提取出每个数据段的标准差，有效度，歪度，峭度，峰值，峰峰值，波形因数，脉冲因素，峰值因素，裕度特征值作为特征向量的具体步骤如下：

时域信号是振动信号的直观体现，在时域中往往也能提取出一些有用的特征，用x_i来表示采集到的振动信号的时间序列(i＝1,2,…n)，N为x_i的采样点，利用下面的式子分别计算时域特征：

2.1标准差：

s表示标准差，为均值

2.2有效度：

X_rms表示有效度

2.3歪度：

α表示歪度，歪度a反映对纵坐标的不对成性，如果a越大，不对称越厉害；

2.4峭度：

峭度系数k_v取脉冲响应幅值的4次方为判断依据，拉大脉冲信号和背景噪声的差距以提高信噪比，用以表示大幅度脉冲信号出现的概率；

2.5峰值：

X_peak＝max(x_i)

X_peak表示峰值，max表示求采样点的大值；

2.6峰峰值：

X_vpp＝max(x_i)-min(x_i)

X_vpp表示峰峰值，峰峰值是指一个周期内信号最高值和最低值之间差的值，就是最大和最小之间的范围；

2.7波形因数：

波形因子为有效度(X_rms)与绝对均值之比；

2.8脉冲因数：

脉冲因子I是峰值X_peak与绝对均值之比；

2.9峰值因数：

峰值因子C是峰值X_rms除以有效度X_rms

2.10裕度：

X_peak表示峰值，X_r表示方根幅值。