[发明专利]基于AFF-AAKR融合的滚动轴承健康指标曲线构建方法

权利要求书

1.一种基于AFF-AAKR融合的滚动轴承健康指标曲线构建方法，其特征在于，包括以下步骤：

S1：获取滚动轴承的水平振动加速度传感器信号，分别从时域、频域和时频域进行特征提取，共提取K个候选特征的数据，组成候选特征数据集F_original＝{f₁,f₂,…,f_K}，其中f_k表示第k个候选特征的数据序列，k＝1,2,…,K，每个数据序列的长度为N；

S2：根据每个候选特征的数据序列f_k对K个候选特征进行筛选，选择较优的D个特征构成优选特征集合；

S3：采用AFF方法从优选特征的数据序列中获取观测空间向量F^obs，具体方法如下：

S3.1：分别对优选特征集合中D个特征的数据序列进行[0，1]规范化以及滑动平均滤波，将得到的数据序列记为

S3.2：对于数据序列中的第t个数据计算其与其他数据序列中对应数据之间的平均距离dis_d,t：

其中，表示数据序列中的第t个数据，d′＝1,2,…,D且d′≠d；

S3.3：采用如下公式计算得到数据序列中的第t个数据的特征融合权重ω_d,t：

ω_d,t＝exp(-1×dis_d,t)

其中，exp表示以自然常数e为底的指数函数；

S3.4：采用以下公式对D个特征的数据序列进行特征融合压缩，所得到的一维向量即为观测空间向量F^obs：

其中，表示观测空间向量F^obs中第t个观测值；

S4：从长度为N的观测空间向量F^obs中选择前V个数据，V的值根据实际需要确定，然后从前V个数据中随机抽取n个数据构成向量H′，对向量H′进行去均值化处理，得到健康空间向量H；

S5：基于AAKR算法将步骤S3得到的观测空间向量F^obs映射到健康空间向量H所代表的健康空间，得到映射向量M，具体方法如下：

S5.1：计算观测空间向量F^obs中每个观测值和健康空间中每个健康特征值之间的绝对距离dis_t,j：

其中，H(j)表示健康空间向量H中第j个健康特征值，j＝1,2,…,n；

S5.2：对于每个观测值，基于径向基核函数计算得到健康空间向量H中第j个健康特征值对应的权重w_t,j，计算公式如下：

其中，h表示带宽函数；

S5.3：采用如下公式计算得到观测空间向量F^obs中每个观测值在健康空间的映射值

将映射值构建得到映射向量M；

S6：计算观测空间向量F^obs和映射向量M中各时刻数据的残差，将残差数据拟合得到的曲线即作为健康指标曲线。

2.根据权利要求1所述的滚动轴承健康指标曲线构建方法，其特征在于，所述步骤S2中特征优选的方法如下：

S2.1：采用以下公式计算每个特征的数据序列f_k的单调性指标Mon_k：

其中，N表示数据序列f_k的长度，表示数据序列f_k中上升的数据点数，表示数据序列f_k中下降的数据点数；

S2.2：采用以下公式计算每个特征的数据序列f_k的时间相关性指标Corr_k：

其中，T表示时间序列，T＝[1,2,…,N]，cov(f_k,T)表示数据序列f_k和时间序列T之间的协方差，σ_T分别表示数据序列f_k和时间序列T的标准差；

S2.3：采用以下公式计算每个特征的综合指标Cri_k：

然后对综合指标Cri_k进行归一化处理，得到归一化后的综合指标Cri_k′；

S2.4：将归一化后的综合指标Cri_k′大于预设阈值的特征作为敏感特征，组成敏感特征子集；

S2.5：将步骤S2.4筛选得到的敏感特征子集中的所有特征进行层次聚类，根据层次聚类后的树状图定位分类阈值，将敏感特征子集划分为D个簇群{C₁,C₂,…,C_D}；

S2.6：记簇群C_d中特征数量为Q_d，d＝1,2,…,D，对簇群C_d中的特征两两计算互信息I(f_d,q；f_d,q′)，q,q′＝1,2,…,Q_d，且q≠q′，然后计算簇群C_d中每个特征的信息贡献量R_d,q：

筛选簇群C_d中信息贡献量最大的特征作为该簇群的代表性特征；

S2.7：将所有簇群的代表性特征作为优选特征，构成优选特征集合。