CN107356431-CN201710562233-基于ADMM与稀疏组合学习的滚动轴承性能退化评估方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107356431 A (43)申请公布日 2017.11.17 (21)申请号 201710562233.4 (22)申请日 2017.07.11 (71)申请人 华南理工大学 地址 510640 广东省广州市天河区五山路 381号 (72)发明人 罗飞　周裕华　 (74)专利代理机构 广州市华学知识产权代理有 限公司 44245 代理人 李斌 (51)Int.Cl. G01M 13/04(2006.01) G06K 9/62(2006.01) 权利要求书3页 说明书11页 附图3页 (54)发明名称 基于ADMM与稀疏组合学习的滚动轴承性能 退化评估方法 (57)摘要 本发明公开了一种基于ADMM与稀疏组合学 习的滚动轴承性能退化评估方法，所述方法包括 以下步骤：(1)对滚动轴承的正常模式进行学习， 利用学到的知识建立正常模式的知识库；(2)建 立基于各知识的量化指标求解器，求解被检测的 滚动轴承的量化指标Φ；(3)对量化指标Φ进行 分析，实现滚动轴承性能退化程度的评估。该方 法不需要先验知识，可以通过学习Training Set 的特征生成正确的知识库；将ADMM与组合学习应 用到模型中，使模型的时间复杂度下降；可以获 得衡量滚动轴承性能退化程度的量化指标Φ，具 A 有实时性、量化评估和自动化程度高等优点。 1 3 4 6 5 3 7 0 1 N C CN 107356431 A 权　利　要　求　书 1/3页 1.一种基于ADMM与稀疏组合学习的滚动轴承性能退化评估方法，其特征在于，所述方 法包括以下步骤： (1)对滚动轴承的正常模式进行学习，利用学到的知识建立正常模式的知识库：通过迭 代方式生成知识库，每一轮迭代生成一种知识，在每一轮迭代中均需要更新Training Set， 若Training Set为空集，则停止迭代，否则继续下一轮迭代；在每一轮的迭代中，包括三个 部分：(A)学习隐含在Training Set中的特征，生成子字典；(B)生成与子字典对应的权重 1 1 及经验阈值；(C)更新Training Set； 1 (2)建立基于各知识的量化指标求解器，求解被检测的滚动轴承的量化指标Φ：根据步 骤(1)中所述知识库中的知识，构建量化指标求解器，每个量化指标求解器对应一种知识； 每个量化指标求解器包括三个部分：(A)基于子字典的稀疏表示的求解；(B)基于子字典的 2 2 代价的计算；(C )基于子字典的性能退化程度的评估；然后对各量化指标求解器的结果进 2 行综合分析，获取被检测的滚动轴承的量化指标Φ； (3)对量化指标Φ进行分析，实现对滚动轴承性能退化程度的评估：使用一个覆盖当前 量化指标Φ的有限视野窗口，观察落在有限视野内的数据，然后根据这些在有限视野内的 数据的分布情况估计滚动轴承的性能退化程度。 2.根据权利要求1所述的一种基于ADMM与稀疏组合学习的滚动轴承性能退化评估方 法，其特征在于：步骤(1)中所述的正常模式具体表现为滚动轴承在正常运行时采集到的数 据，其符号表示为Training  Set，y 是Training  Set中的样本，