[发明专利]一种基于频谱的轴承故障分类方法及系统

权利要求书

1.一种基于频谱的轴承故障分类方法，其特征在于，包括以下步骤：

S1、计算轴承每个状态的振动信号的频率频谱；

S2、计算轴承每种状态之间的频率差异；

S3、计算每个状态频谱之间每个差异的比率K；

S4、选择比率K大于设定值的频率振幅的频率；

S5、按照如下公式设置参数R，R＝R1/R2，R1为需要分析训练集频率的公共频率振幅数，R2为所有的训练集频率的全部频率振幅数；

S6、从每个状态中选取公共频率的振幅形成R个特征向量，将计算出的特征向量输入到K邻近值分类，K均值聚类，线性支持向量机中进行分类；

所述步骤S1的具体步骤为：

S10、以设定采样率且在同一恒定转速下分别对正常工况轴承、内圈故障轴承、外圈故障轴承、滚动体故障轴承的振动信号进行采样；

S11、将得到的数据点划分为2ⁿ个点为一个状态样本；

S12、将划分好的状态样本进行快速傅里叶变换，得到每个状态的频率频谱，正常工况轴承的振动信号的频率频谱由矢量normal表示、内圈故障轴承的振动信号频率频谱由矢量inner表示、外圈故障轴承的振动信号频率频谱由矢量outer表示、滚动体故障轴承的振动信号频率频谱由矢量rolling表示；

所述步骤S2中的计算轴承每种状态之间的频率差异具体为：|normal-inner|、|normal-outer|、|normal-rolling|、|inner-outer|、|inner-rolling|、|outer-rolling|。

2.根据权利要求1所述的基于频谱的轴承故障分类方法，其特征在于，所述轴承状态包括正常工况轴承、内圈故障轴承、外圈故障轴承和滚动体故障轴承。

3.根据权利要求1所述的基于频谱的轴承故障分类方法，其特征在于，所述步骤S11中的2ⁿ为32768。

4.根据权利要求1所述的基于频谱的轴承故障分类方法，其特征在于，所述步骤S3中的K＝100％*Ai/Amax，Ai是表示频谱中第i个频率所对应的振幅，Amax是频谱中的最大振幅。

5.根据权利要求1所述的基于频谱的轴承故障分类方法，其特征在于，所述步骤S4中的设定值为0.33。

6.一种实现权利要求1-5任意一项所述的基于频谱的轴承故障分类方法的系统，其特征在于，包括：

第一计算模块，用于计算轴承每个状态的振动信号的频率频谱，轴承状态包括正常工况轴承、内圈故障轴承、外圈故障轴承、滚动体故障轴承；

第二计算模块，用于计算轴承每种状态之间的频率差异；

第三计算模块，用于计算每个状态频谱之间每个差异的比率K，K＝100％*Ai/Amax，Ai是表示频谱中第i个频率所对应的振幅，Amax是频谱中的最大振幅；

选择模块，用于选择比率K大于设定值的频率振幅的频率；

设置模块，用于按照如下公式设置参数R，R＝R1/R2，R1为需要分析训练集频率的公共频率振幅数，R2为所有的训练集频率的全部频率振幅数；

特征向量模块，用于从每个状态中选取公共频率的振幅形成R个特征向量，将计算出的特征向量输入到K邻近值分类，K均值聚类，线性支持向量机中进行分类。