[发明专利]基于伪标签半监督核局部费舍尔判别分析轴承故障诊断方法

摘要

基于伪标签半监督核局部费舍尔判别分析轴承故障诊断方法，其特征在于：该方法包括以下步骤：(1)收集轴承不同工状下振动信号经分段后构成训练样本；(2)对(1)获取的训练样本进行特征提取；(3)对(2)的特征归一化处理；(4)对(3)的全体特征集合利用密度峰值聚类求得聚类标签集；(5)用(4)的聚类伪标签构造局部聚类间散度和聚类内散度正则化项，并同FDA中有标签样本的类间散度和类内散度结合，确定最终投影向量；(6)利用(5)的投影向量求有标签特征集在降维空间中的投影集合；(7)利用(6)的投影集合训练极限学习机；(8)对收集的振动信号经(2)、(3)和(5)处理后输入到模型中确定工况。本发明申请应用于轴承设备的故障识别问题。

主权项

1.基于伪标签半监督核局部费舍尔判别分析轴承故障诊断，其特征在于：该方法包括以下步骤：(1)利用安装在感应电动机输出轴的支撑轴承上端机壳上的振动加速传感器收集该轴承在不同工状下的振动信号，设共有四种工状：正常状态、内圈故障状态、外圈故障状态和滚动体故障状态，然后分别对各种工况下的信号进行长度为1024分段处理得到整个时域信号集合Sm∈R1024×m，其中m表示整个时域信号训练样本集合的个数，Sn∈R1024×n为有标签时域信号样本集合，其中n表示有标签时域信号训练样本集合的个数n＜＜m；(2)对步骤(1)获取的训练样本信息进行特征提取，得到能有效反应各种工况下振动信号特征集合，设共有d个特征，则整个训练样本特征集合X*m∈Rd×m；有标签样本特征集合X*n∈Rd×n；(3)对步骤(2)获取的特征训练样本集合进行标准化处理，使每个特征指标的数值范围确定在均值为0，方差为1的标准正态分布区间内；则归一化后整个训练样本特征集合Xm∈Rd×m；归一化后有标签样本特征集合Xn∈Rd×n；(4)对步骤(3)获取的归一化后的整个训练样本特征集合X_m利用密度峰值聚类算法求得聚类标签集合以及是否为边界点的标识集合(5)利用步骤(4)得到的聚类标签集合和标识集合构造局部聚类间散度S^ulb和局部聚类内散度S^ulw正则化项，并同局部Fisher判别分析中的有标签样本X_n所对应的局部类间散度S^lb和局部类内散度S^lw一起进行优化求解，确定最终投影向量T_ss‑KLFDA∈R^m×r，其中降维维度为r＜＜d；(6)利用步骤(5)中得到的投影向量Tss‑KLFDA求解Xm在r维降维子空间中的投影向量集合Zm∈Rr×m，以及Xn的投影向量集合Zn∈Rr×n；(7)利用步骤(6)中求得的降维后投影向量集合Zn∈Rr×n训练极限学习机模型Melm；(8)通过安装在感应电动机输出轴的支撑轴承上端机壳上的振动加速传感器收集该轴承的振动信号，经长度为1024分段处理根据步骤(2)的方法计算特征向量经过步骤(3)的方法归一化后得X_new∈R^d×1，利用步骤(5)得到的投影向量T_ss‑KLFDA求解X_new在r维降维子空间中的投影向量集合Z_new∈R^r×1然后输入到训练好的模型M_elm中确定当前轴承最终的工作状态。