基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，包括加速度傳感器、數(shù)據(jù)采集模塊、特征提取模塊和推理機(jī)，加速度傳感器用于將軸承的振動(dòng)信號(hào)轉(zhuǎn)換為電信號(hào)；數(shù)據(jù)采集模塊用于將加速度傳感器所采集的信號(hào)進(jìn)行預(yù)處理；特征提取模塊用于提取經(jīng)過(guò)數(shù)據(jù)采集模塊預(yù)處理后的信號(hào)的特征，以供推理機(jī)中診斷模型的使用；推理機(jī)中的診斷模型包括“二叉樹(shù)”模式和“一對(duì)一”模式，其中，“二叉樹(shù)”模式用于區(qū)分軸承的故障狀態(tài)與正常狀態(tài)，“一對(duì)一”模式用于識(shí)別具體的軸承故障類型；當(dāng)“二叉樹(shù)”模式得出軸承處于故障狀態(tài)時(shí)，再由“一對(duì)一”模式對(duì)軸承故障類型進(jìn)行判斷。本發(fā)明即能滿足診斷系統(tǒng)的實(shí)時(shí)診斷的需要，又能保證其診斷精度。
【專利說(shuō)明】基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及軸承故障診斷【技術(shù)領(lǐng)域】，特別是涉及一種基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)。
【背景技術(shù)】
[0002]軸承是工程機(jī)械中重要的基礎(chǔ)部件，其運(yùn)行狀態(tài)的好壞直接影響工程機(jī)械工作狀況，因此，對(duì)軸承的故障進(jìn)行準(zhǔn)確、高效的診斷，對(duì)于確保工程機(jī)械及時(shí)恢復(fù)正常工作狀態(tài)有著非常重要的意義。相關(guān)向量機(jī)是基于貝葉斯框架構(gòu)建的機(jī)器學(xué)習(xí)方法，在故障診斷中有著較好的應(yīng)用前景，它解決了人工神經(jīng)網(wǎng)絡(luò)的過(guò)擬合和訓(xùn)練速度慢等問(wèn)題；并與支持向量機(jī)相比，相關(guān)向量機(jī)具有更好的稀疏性，從而測(cè)試時(shí)間更短，更適用于在線檢測(cè)，且相關(guān)向量機(jī)中懲罰參數(shù)是自動(dòng)賦值的，解決了支持向量機(jī)中懲罰參數(shù)選取困難的難題。由于相關(guān)向量機(jī)是一個(gè)二值分類器，而軸承故障類型較多，所以必須使用多個(gè)相關(guān)向量機(jī)分類器以某種特定的方式組合，以構(gòu)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(shí)，提高診斷模型訓(xùn)練和使用的效率，進(jìn)而確保診斷系統(tǒng)的實(shí)時(shí)診斷性能是當(dāng)前的難題。

【發(fā)明內(nèi)容】

[0003]本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，SP能滿足診斷系統(tǒng)的實(shí)時(shí)診斷的需要，又能保證其診斷精度。
[0004]本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是:提供一種基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，包括加速度傳感器、數(shù)據(jù)采集模塊、特征提取模塊和推理機(jī)，所述加速度傳感器用于將軸承的振動(dòng)信號(hào)轉(zhuǎn)換為電信號(hào)；所述數(shù)據(jù)采集模塊用于將所述加速度傳感器所采集的信號(hào)進(jìn)行預(yù)處理；所述特征提取模塊用于提取經(jīng)過(guò)所述數(shù)據(jù)采集模塊預(yù)處理后的信號(hào)的特征，以供所述推理機(jī)中診斷模型的使用；所述推理機(jī)包括診斷模型和推理策略，其中診斷模型包括“二叉樹(shù)”模式和“一對(duì)一”模式，其中，“二叉樹(shù)”模式用于區(qū)分軸承的故障狀態(tài)與正常狀態(tài)，“一對(duì)一”模式用于識(shí)別具體的軸承故障類型；所述推理策略為首先通過(guò)“二叉樹(shù)”模式判別軸承是否處于故障狀態(tài)，當(dāng)“二叉樹(shù)”模式得出軸承處于故障狀態(tài)時(shí)，再由“一對(duì)一”模式對(duì)軸承故障類型進(jìn)行判斷。
[0005]所述“一對(duì)一”模式為每次只選取其中的兩類樣本，對(duì)所有可能的兩類組合構(gòu)造相關(guān)向量機(jī)，共構(gòu)造M(M-1) /2個(gè)相關(guān)向量機(jī)，其中，M表示軸承故障類型的數(shù)目。
[0006]所述相關(guān)向量機(jī)采用特征子集進(jìn)行訓(xùn)練和測(cè)試。
[0007]所述“二叉樹(shù)”模式中，當(dāng)二值分類器輸出大于閾值時(shí)，則該軸承處于正常狀態(tài)，否貝U，該軸承處于故障狀態(tài)。
[0008]所述“一對(duì)一”模式采用投票法識(shí)別軸承的故障類型，即樣本每經(jīng)過(guò)一個(gè)相關(guān)向量機(jī)都會(huì)獲得一個(gè)可能的故障類型，則該故障類型獲得一票，當(dāng)樣本經(jīng)過(guò)所有的相關(guān)向量機(jī)后，對(duì)獲得票數(shù)進(jìn)行統(tǒng)計(jì)，得票數(shù)最高的故障類型即為該樣本屬于的故障類型。
[0009]當(dāng)幾個(gè)故障類型獲得相同票數(shù)時(shí)，再將樣本輸入與所述幾個(gè)故障類型相關(guān)的相關(guān)向量機(jī)，再以投票法進(jìn)行識(shí)別，最終統(tǒng)計(jì)得到票數(shù)最多的為該樣本屬于的故障類型。
[0010]有益效果
[0011]由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點(diǎn)和積極效果:本發(fā)明采用‘二叉樹(shù)’和‘一對(duì)一’兩種模式組合的方式構(gòu)建軸承故障診斷模型，使其即能提高診斷模型訓(xùn)練和使用的效率，滿足診斷系統(tǒng)的實(shí)時(shí)診斷的需要，又能保證其診斷精度。
【專利附圖】

【附圖說(shuō)明】
[0012]圖1是基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)示意圖；
[0013]圖2是基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷流程圖；
[0014]圖3是一對(duì)一組合模式中單元相關(guān)向量機(jī)的訓(xùn)練與測(cè)試圖。
【具體實(shí)施方式】
[0015]下面結(jié)合具體實(shí)施例，進(jìn)一步闡述本發(fā)明。應(yīng)理解，這些實(shí)施例僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等價(jià)形式同樣落于本申請(qǐng)所附權(quán)利要求書所限定的范圍。
[0016]本發(fā)明的實(shí)施方式涉及一種基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，如圖1所示，包括加速度傳感器、數(shù)據(jù)采集模塊、特征提取模塊、推理機(jī)和顯示模塊，所述加速度傳感器用于將軸承的振動(dòng)信號(hào)轉(zhuǎn)換為電信號(hào)；所述數(shù)據(jù)采集模塊用于將所述加速度傳感器所采集的信號(hào)進(jìn)行預(yù)處理；所述特征提取模塊用于提取經(jīng)過(guò)所述數(shù)據(jù)采集模塊預(yù)處理后的信號(hào)的特征，以供所述推理機(jī)中診斷模型的使用；所述推理機(jī)包括診斷模型和推理策略，其中診斷模型包括“二叉樹(shù)”模式和“一對(duì)一”模式，其中，“二叉樹(shù)”模式用于區(qū)分軸承的故障狀態(tài)與正常狀態(tài)，“一對(duì)一”模式用于識(shí)別具體的軸承故障類型；而推理策略描述為:首先通過(guò)“二叉樹(shù)”模式判別軸承是否處于故障狀態(tài)，當(dāng)“二叉樹(shù)”模式得出軸承處于故障狀態(tài)時(shí)，再由“一對(duì)一”模式對(duì)軸承故障類型進(jìn)行判斷。所述顯示模塊用于診斷結(jié)果顯示以及便于人機(jī)交互的界面。
[0017]“一對(duì)一”模式主要是指每次只選取其中的兩類樣本，對(duì)所有可能的兩類組合構(gòu)造相關(guān)向量機(jī)(Relevance Vector Machine,簡(jiǎn)稱“RVM”),總共需要構(gòu)造M(M-1) /2個(gè)RVM,診斷模型中M表示軸承故障類型的數(shù)目?！耙粚?duì)一”模式中每個(gè)相關(guān)向量機(jī)采用各自特定的特征子集進(jìn)行訓(xùn)練和測(cè)試。圖3為“一對(duì)一”模式中單元相關(guān)向量機(jī)訓(xùn)練與測(cè)試圖，每個(gè)單元相關(guān)向量機(jī)在投入使用前必須進(jìn)行訓(xùn)練和測(cè)試，以滿足診斷精度的要求，“一對(duì)一”模式中的每個(gè)單元相關(guān)向量機(jī)都采用了特定的特征子集對(duì)其進(jìn)行訓(xùn)練和測(cè)試，圖3左邊為該相關(guān)向量機(jī)的訓(xùn)練過(guò)程圖，其中RVs表示相關(guān)向量，圖3右邊為該相關(guān)向量機(jī)的測(cè)試過(guò)程圖。從圖3可以看出，該相關(guān)向量機(jī)采用了特征56和特征5組成了其訓(xùn)練和測(cè)試的特征子集，那是因?yàn)樵搩蓚€(gè)特征對(duì)滾珠故障(III類)C4和滾珠故障(II類)C9故障的區(qū)分度最高。
[0018]如圖2所示，基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷流程包含了“二叉樹(shù)”和“一對(duì)一”兩種模式，其中，“二叉樹(shù)”模式用于區(qū)分軸承的故障狀態(tài)與正常狀態(tài)，“一對(duì)一”模式用于識(shí)別具體的軸承故障類型。本診斷模型中采用了凱斯西儲(chǔ)大學(xué)軸承振動(dòng)數(shù)據(jù)集中所涉及的軸承狀態(tài)類型，軸承狀態(tài)類型及表示如表1所示，其中，軸承的正常狀態(tài)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(nèi)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(nèi)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(nèi)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)，以C8表示；軸承缺陷尺寸為0.036mm的外圈故障記為滾珠故障(II類)，以C9表示；軸承缺陷尺寸為0.053mm的外圈故障記為滾珠故障(III類)，以ClO表示。“二叉樹(shù)”模式中，當(dāng)二值分類器輸出大于0.5，則該軸承處于正常狀態(tài)，否則，該軸承處于故障狀態(tài)。當(dāng)軸承處于故障狀態(tài)時(shí)，啟用“一對(duì)一”模式以識(shí)別軸承具體故障類型，“一對(duì)一”模式采用的是投票法，樣本每經(jīng)過(guò)一個(gè)二分類RVM都會(huì)獲得一個(gè)可能的故障類型，則該故障類型獲得一票，當(dāng)樣本經(jīng)過(guò)所有二分類RVM后，對(duì)獲得票數(shù)進(jìn)行統(tǒng)計(jì)，得票數(shù)最高的故障類型即為該樣本最可能屬于的故障類型。當(dāng)某幾個(gè)故障類型獲得相同票數(shù)時(shí)，再將樣本輸入與這幾個(gè)故障類型相關(guān)的二分類RVM，如此循環(huán)，直至最終出現(xiàn)票數(shù)勝出的故障類型。如當(dāng)RVM2[1]輸出大于0.5，則該軸承可能處于I類的滾珠故障，即I類的滾珠故障獲得I票，否則，則該軸承可能處于II類的滾珠故障，即II類的滾珠故障獲得I票。
[0019]表1軸承狀態(tài)類型及表示
[0020]
【權(quán)利要求】
1.一種基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，包括加速度傳感器、數(shù)據(jù)采集模塊、特征提取模塊和推理機(jī)，其特征在于，所述加速度傳感器用于將軸承的振動(dòng)信號(hào)轉(zhuǎn)換為電信號(hào)；所述數(shù)據(jù)采集模塊用于將所述加速度傳感器所采集的信號(hào)進(jìn)行預(yù)處理；所述特征提取模塊用于提取經(jīng)過(guò)所述數(shù)據(jù)采集模塊預(yù)處理后的信號(hào)的特征，以供所述推理機(jī)中診斷模型的使用；所述推理機(jī)包括診斷模型和推理策略，其中診斷模型包括“二叉樹(shù)”模式和“一對(duì)一”模式，其中，“二叉樹(shù)”模式用于區(qū)分軸承的故障狀態(tài)與正常狀態(tài)，“一對(duì)一”模式用于識(shí)別具體的軸承故障類型；所述推理策略為首先通過(guò)“二叉樹(shù)”模式判別軸承是否處于故障狀態(tài)，當(dāng)“二叉樹(shù)”模式得出軸承處于故障狀態(tài)時(shí)，再由“一對(duì)一”模式對(duì)軸承故障類型進(jìn)行判斷。
2.根據(jù)權(quán)利要求1所述的基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，其特征在于，所述“一對(duì)一”模式為每次只選取其中的兩類樣本，對(duì)所有可能的兩類組合構(gòu)造相關(guān)向量機(jī)，共構(gòu)造Μ(Μ-1)/2個(gè)相關(guān)向量機(jī)，其中，M表示軸承故障類型的數(shù)目。
3.根據(jù)權(quán)利要求2所述的基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，其特征在于，所述相關(guān)向量機(jī)采用特征子集進(jìn)行訓(xùn)練和測(cè)試。
4.根據(jù)權(quán)利要求1-3中任一權(quán)利要求所述的基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，其特征在于，所述“二叉樹(shù)”模式中，當(dāng)二值分類器輸出大于閾值時(shí)，則該軸承處于正常狀態(tài)，否則，該軸承處于故障狀態(tài)。
5.根據(jù)權(quán)利要求1-3中任一權(quán)利要求所述的基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，其特征在于，所述“一對(duì)一”模式采用投票法識(shí)別軸承的故障類型，即樣本每經(jīng)過(guò)一個(gè)相關(guān)向量機(jī)都會(huì)獲得一個(gè)可能的故障類型，則該故障類型獲得一票，當(dāng)樣本經(jīng)過(guò)所有的相關(guān)向量機(jī)后，對(duì)獲得票數(shù)進(jìn)行統(tǒng)計(jì)，得票數(shù)最高的故障類型即為該樣本屬于的故障類型。
6.根據(jù)權(quán)利要求5所述的基于雙重組合模式的多層相關(guān)向量機(jī)的軸承故障診斷系統(tǒng)，其特征在于，當(dāng)幾個(gè)故障類型獲得相同票數(shù)時(shí)，再將樣本輸入與所述幾個(gè)故障類型相關(guān)的相關(guān)向量機(jī)，再以投票法進(jìn)行識(shí)別，最終統(tǒng)計(jì)得到票數(shù)最多的為該樣本屬于的故障類型。
【文檔編號(hào)】G01M13/04GK103471849SQ201310442453
【公開(kāi)日】2013年12月25日 申請(qǐng)日期:2013年9月25日 優(yōu)先權(quán)日:2013年9月25日
【發(fā)明者】費(fèi)勝巍, 何創(chuàng)新 申請(qǐng)人:東華大學(xué)