[发明专利]一种自适应复数域AMFM模型优化的轴承故障诊断方法

权利要求书

1.一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，包括以下步骤：

通过调幅调频模型对滚动轴承振动信号进行分解，获得振动信号的调幅调频分量的瞬时幅值和瞬时频率；

使用同步提取变换算法对所述调幅调频模型在时刻t的瞬时频率进行估算，同时将调幅调频模型改写成调幅分量与调频分量相乘的形式；

对分解后的调幅调频模型凸优化处理，并将凸优化处理后的结果转化为相应的拉格朗日优化方程后进行偏微分处理，获得调幅分量的优化迭代公式和调频分量的更新公式；

根据调幅分量与调频分量，计算调幅调频模型的瞬时幅值和瞬时频率为：

IA_k(t)＝|P_k(t)|

其中，|P_k(t)|是调幅分量P_k(t)的模值，是瞬时频率的估计值，δ_t是求函数关于t的导数，IA_k(t)是瞬时幅值，IF_k(t)是瞬时频率；

计算瞬时幅值和瞬时频率的精细复合多尺度波动色散熵，将得到的熵值构造为特征矩阵；

使用向量加权平均算法对支持向量机模型进行优化，采用优化后的支持向量机模型对特征矩阵进行分类，根据分类结果实现轴承故障诊断。

2.根据权利要求1所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述调幅调频模型为：

x(t)＝A(t)cos(2πf(t)+θ)

其中A(t)是信号x(t)的瞬时振幅，f_IF(t)＝f(t)+f'(t)t是信号x(t)的瞬时频率，θ表示信号的初始相角。

3.根据权利要求2所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，采用同步提取变换算法对所述调幅调频模型在时刻t的瞬时频率进行估算，得到调幅调频模型为：

其中P(t)、Q(t)分别为调幅分量与调频分量；

当时，则P(t)＝A(t)、Q(t)＝exp(j2πf(t)+θ)；

当时，则P_k(t)＝a_k(t)、Q_k(t)＝exp(j2πf_k(t)+θ_k)。

4.根据权利要求3所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，对分解后的调幅调频模型进行凸优化处理得到：

其中ε为信号中的噪声成分，T表示微分算子。

5.根据权利要求4所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述拉格朗日优化方程为：

其中λ是拉格朗日因子，v_k是分量的泄漏因子。

6.根据权利要求5所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述调幅分量P_k(t)的优化迭代公式为：

所述调频分量Q_k(t)的更新公式为：

其中∠P_k(t)是P_k(t)的相角。

7.根据权利要求1所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述精细复合多尺度波动色散熵为：

其中散布模式π的平均概率p_k^-(τ)为不同起始点的每个可能的散布模式的概率。

8.根据权利要求1所述的一种自适应复数域AMFM模型优化的轴承故障诊断方法，其特征在于，所述支持向量机的分类决策函数为：

其中为支持向量，b为位移项，K(x_i,x_j)＝φ(x_i)·φ(x_j)为核函数。