基于雙重組合模式的多層相關向量機的軸承故障診斷系統技術方案

本發明專利技術涉及一種基于雙重組合模式的多層相關向量機的軸承故障診斷系統，包括加速度傳感器、數據采集模塊、特征提取模塊和推理機，加速度傳感器用于將軸承的振動信號轉換為電信號；數據采集模塊用于將加速度傳感器所采集的信號進行預處理；特征提取模塊用于提取經過數據采集模塊預處理后的信號的特征，以供推理機中診斷模型的使用；推理機中的診斷模型包括“二叉樹”模式和“一對一”模式，其中，“二叉樹”模式用于區分軸承的故障狀態與正常狀態，“一對一”模式用于識別具體的軸承故障類型；當“二叉樹”模式得出軸承處于故障狀態時，再由“一對一”模式對軸承故障類型進行判斷。本發明專利技術即能滿足診斷系統的實時診斷的需要，又能保證其診斷精度。

【技術實現步驟摘要】
【專利摘要】本專利技術涉及一種基于雙重組合模式的多層相關向量機的軸承故障診斷系統，包括加速度傳感器、數據采集模塊、特征提取模塊和推理機，加速度傳感器用于將軸承的振動信號轉換為電信號；數據采集模塊用于將加速度傳感器所采集的信號進行預處理；特征提取模塊用于提取經過數據采集模塊預處理后的信號的特征，以供推理機中診斷模型的使用；推理機中的診斷模型包括“二叉樹”模式和“一對一”模式，其中，“二叉樹”模式用于區分軸承的故障狀態與正常狀態，“一對一”模式用于識別具體的軸承故障類型；當“二叉樹”模式得出軸承處于故障狀態時，再由“一對一”模式對軸承故障類型進行判斷。本專利技術即能滿足診斷系統的實時診斷的需要，又能保證其診斷精度。【專利說明】基于雙重組合模式的多層相關向量機的軸承故障診斷系統
本專利技術涉及軸承故障診斷
，特別是涉及一種基于雙重組合模式的多層相關向量機的軸承故障診斷系統。
技術介紹
軸承是工程機械中重要的基礎部件，其運行狀態的好壞直接影響工程機械工作狀況，因此，對軸承的故障進行準確、高效的診斷，對于確保工程機械及時恢復正常工作狀態有著非常重要的意義。相關向量機是基于貝葉斯框架構建的機器學習方法，在故障診斷中有著較好的應用前景，它解決了人工神經網絡的過擬合和訓練速度慢等問題；并與支持向量機相比，相關向量機具有更好的稀疏性，從而測試時間更短，更適用于在線檢測，且相關向量機中懲罰參數是自動賦值的，解決了支持向量機中懲罰參數選取困難的難題。由于相關向量機是一個二值分類器，而軸承故障類型較多，所以必須使用多個相關向量機分類器以某種特定的方式組合，以構建適合于軸承故障診斷的模型。如何在保證診斷精度的同時，提高診斷模型訓練和使用的效率，進而確保診斷系統的實時診斷性能是當前的難題。
技術實現思路
本專利技術所要解決的技術問題是提供一種多層相關向量機的軸承故障診斷系統，SP能滿足診斷系統的實時診斷的需要，又能保證其診斷精度。本專利技術解決其技術問題所采用的技術方案是:提供一種基于雙重組合模式的多層相關向量機的軸承故障診斷系統，包括加速度傳感器、數據采集模塊、特征提取模塊和推理機，所述加速度傳感器用于將軸承的振動信號轉換為電信號；所述數據采集模塊用于將所述加速度傳感器所采集的信號進行預處理；所述特征提取模塊用于提取經過所述數據采集模塊預處理后的信號的特征，以供所述推理機中診斷模型的使用；所述推理機包括診斷模型和推理策略，其中診斷模型包括“二叉樹”模式和“一對一”模式，其中，“二叉樹”模式用于區分軸承的故障狀態與正常狀態，“一對一”模式用于識別具體的軸承故障類型；所述推理策略為首先通過“二叉樹”模式判別軸承是否處于故障狀態，當“二叉樹”模式得出軸承處于故障狀態時，再由“一對一”模式對軸承故障類型進行判斷。所述“一對一”模式為每次只選取其中的兩類樣本，對所有可能的兩類組合構造相關向量機，共構造M(M-1) /2個相關向量機，其中，M表示軸承故障類型的數目。所述相關向量機采用特征子集進行訓練和測試。所述“二叉樹”模式中，當二值分類器輸出大于閾值時，則該軸承處于正常狀態，否貝U，該軸承處于故障狀態。所述“一對一”模式采用投票法識別軸承的故障類型，即樣本每經過一個相關向量機都會獲得一個可能的故障類型，則該故障類型獲得一票，當樣本經過所有的相關向量機后，對獲得票數進行統計，得票數最高的故障類型即為該樣本屬于的故障類型。當幾個故障類型獲得相同票數時，再將樣本輸入與所述幾個故障類型相關的相關向量機，再以投票法進行識別，最終統計得到票數最多的為該樣本屬于的故障類型。有益效果由于采用了上述的技術方案，本專利技術與現有技術相比，具有以下的優點和積極效果:本專利技術采用‘二叉樹’和‘一對一’兩種模式組合的方式構建軸承故障診斷模型，使其即能提高診斷模型訓練和使用的效率，滿足診斷系統的實時診斷的需要，又能保證其診斷精度?！緦＠綀D】【附圖說明】圖1是基于雙重組合模式的多層相關向量機的軸承故障診斷系統示意圖；圖2是基于雙重組合模式的多層相關向量機的軸承故障診斷流程圖；圖3是一對一組合模式中單元相關向量機的訓練與測試圖?！揪唧w實施方式】下面結合具體實施例，進一步闡述本專利技術。應理解，這些實施例僅用于說明本專利技術而不用于限制本專利技術的范圍。此外應理解，在閱讀了本專利技術講授的內容之后，本領域技術人員可以對本專利技術作各種改動或修改，這些等價形式同樣落于本申請所附權利要求書所限定的范圍。本專利技術的實施方式涉及一種基于雙重組合模式的多層相關向量機的軸承故障診斷系統，如圖1所示，包括加速度傳感器、數據采集模塊、特征提取模塊、推理機和顯示模塊，所述加速度傳感器用于將軸承的振動信號轉換為電信號；所述數據采集模塊用于將所述加速度傳感器所采集的信號進行預處理；所述特征提取模塊用于提取經過所述數據采集模塊預處理后的信號的特征，以供所述推理機中診斷模型的使用；所述推理機包括診斷模型和推理策略，其中診斷模型包括“二叉樹”模式和“一對一”模式，其中，“二叉樹”模式用于區分軸承的故障狀態與正常狀態，“一對一”模式用于識別具體的軸承故障類型；而推理策略描述為:首先通過“二叉樹”模式判別軸承是否處于故障狀態，當“二叉樹”模式得出軸承處于故障狀態時，再由“一對一”模式對軸承故障類型進行判斷。所述顯示模塊用于診斷結果顯示以及便于人機交互的界面?！耙粚σ弧蹦Ｊ街饕侵该看沃贿x取其中的兩類樣本，對所有可能的兩類組合構造相關向量機(Relevance Vector Machine,簡稱“RVM”),總共需要構造M(M-1) /2個RVM,診斷模型中M表示軸承故障類型的數目?！耙粚σ弧蹦Ｊ街忻總€相關向量機采用各自特定的特征子集進行訓練和測試。圖3為“一對一”模式中單元相關向量機訓練與測試圖，每個單元相關向量機在投入使用前必須進行訓練和測試，以滿足診斷精度的要求，“一對一”模式中的每個單元相關向量機都采用了特定的特征子集對其進行訓練和測試，圖3左邊為該相關向量機的訓練過程圖，其中RVs表示相關向量，圖3右邊為該相關向量機的測試過程圖。從圖3可以看出，該相關向量機采用了特征56和特征5組成了其訓練和測試的特征子集，那是因為該兩個特征對滾珠故障(III類)C4和滾珠故障(II類)C9故障的區分度最高。如圖2所示，基于雙重組合模式的多層相關向量機的軸承故障診斷流程包含了“二叉樹”和“一對一”兩種模式，其中，“二叉樹”模式用于區分軸承的故障狀態與正常狀態，“一對一”模式用于識別具體的軸承故障類型。本診斷模型中采用了凱斯西儲大學軸承振動數據集中所涉及的軸承狀態類型，軸承狀態類型及表示如表1所示，其中，軸承的正常狀態記為Cl ;軸承缺陷尺寸為0.018mm的滾珠故障記為滾珠故障(I類)，以C2表示；軸承缺陷尺寸為0.036mm的滾珠故障記為滾珠故障(II類)，以C3表示；軸承缺陷尺寸為0.053mm的滾珠故障記為滾珠故障(III類)，以C4表示；軸承缺陷尺寸為0.018mm的內圈故障記為滾珠故障(I類)，以C5表示；軸承缺陷尺寸為0.036mm的內圈故障記為滾珠故障(II類)，以C6表示；軸承缺陷尺寸為0.053mm的內圈故障記為滾珠故障(III類)，以C7表示；軸承缺陷尺寸為0.018mm的外圈故障記為滾珠故障(I類)，本文檔來自技高網...

【技術保護點】
一種基于雙重組合模式的多層相關向量機的軸承故障診斷系統，包括加速度傳感器、數據采集模塊、特征提取模塊和推理機，其特征在于，所述加速度傳感器用于將軸承的振動信號轉換為電信號；所述數據采集模塊用于將所述加速度傳感器所采集的信號進行預處理；所述特征提取模塊用于提取經過所述數據采集模塊預處理后的信號的特征，以供所述推理機中診斷模型的使用；所述推理機包括診斷模型和推理策略，其中診斷模型包括“二叉樹”模式和“一對一”模式，其中，“二叉樹”模式用于區分軸承的故障狀態與正常狀態，“一對一”模式用于識別具體的軸承故障類型；所述推理策略為首先通過“二叉樹”模式判別軸承是否處于故障狀態，當“二叉樹”模式得出軸承處于故障狀態時，再由“一對一”模式對軸承故障類型進行判斷。

【技術特征摘要】

【專利技術屬性】
技術研發人員：費勝巍，何創新，
申請(專利權)人：東華大學，
類型：發明
國別省市：