CN107036817-CN201710219477-基于磷虾群算法的SVR滚动轴承性能衰退预测方法.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 107036817 A (43)申请公布日 2017.08.11 (21)申请号 201710219477.2 (22)申请日 2017.04.05 (71)申请人 哈尔滨理工大学 地址 150000 黑龙江省哈尔滨市南岗区学 府路52号 (72)发明人 王亚萍　马华鑫　许迪　葛江华　 匡宇麒　赵强　付岩　 (74)专利代理机构 哈尔滨龙科专利代理有限公 司 23206 代理人 高媛 (51)Int.Cl. G01M 13/04(2006.01) G06N 3/00(2006.01) 权利要求书2页 说明书6页 附图8页 (54)发明名称 基于磷虾群算法的SVR滚动轴承性能衰退预 测方法 (57)摘要 基于磷虾群算法的SVR滚动轴承性能衰退预 测方法，属于泛函逼近的旋转机械预测方法领 域。首先分析时域、频域、时频域特征指标，提出 基于CEEMD和小波包半软阈值降噪相结合的特征 提取方法，对滚动轴承进行故障诊断。又针对多 特征参数对滚动轴承故障衰退特征进行综合评 价，提出LLE非线性特征降维方法与模糊C均值结 合的方法，最后介绍了支持向量回归机基本理 论，以此基础提出基于磷虾群算法的多变量支持 向量回归机的预测模型，对SVR中的参数进行优 化，选取最优C、σ参数。本发明具有预测精度高， A 计算用时短，聚类后的特征值预测效果好的特 7 点。通过以上三个步骤可以进行滚动轴承的衰退 1 8 6 过程精确预测。 3 0 7 0 1 N C CN 107036817 A 权　利　要　求　书 1/2页 1.一种基于磷虾群算法的SVR滚动轴承性能衰退预测方法，其特征在于：所述的方法包 括如下步骤： 步骤一；基于CEEMD和小波包阈值降噪的特征提取； 分析时域、频域、时频域特征指标，反应滚动轴承的故障诊断能力，提出新的CEEMD与小 波包半软阈值相结合的理论算法； 步骤二；基于C-LLE的滚动轴承降维； 针对多特征参数对滚动轴承故障衰退特征进行评价，并对特征降维的多种方法进行理 论分析，提出LLE非线性特征降维方法与模糊C均值结合的方法，在滚动轴承整个监测过程 中，区分滚动轴承不同损伤程度，对滚动轴承退化趋势进行预测和分类，将滚动轴承的正常 振动信号和最终失效故障信号作为训练数据，建立模糊C聚类模型； 步骤三；基于支持向量回归机性能衰退预测； 在向量回归机基本理论的基础上，提出基于磷虾群算法的多变量支持向量机的性能退 化评估方法，采用磷虾群算法对SVR中的参数进行优化，选取最优C、σ参数。 2.根据权利要求1所述的基于磷虾群算法的SVR滚动轴承性能衰退预测方法，其特征在 于： 步骤一的具体步骤如下： 步骤一一；对安装于滚动轴承座上的加速度传感器设置采样时间和频率，然后确定加 速度传感器通道个数，并采集滚动轴承不同损伤状态下的振动信号，接着预处理得到的故 障信号，作为故障预测的输入信号；对所述的滚动轴承原始信号进行CEEMD分解，分解出从 高频到低频的IMF分量，而滚动轴承的噪声信号包含在高频信号中； 步骤一二；确定高频信号中含有噪声的IMF分量，选定合适的阈值函数，对高频信号进 行小波包阈值降噪处理； 步骤一三；对高频区降噪后的IMF分量和低频区未降噪的IMF分量进行信号重构，得到 降噪后的信号。 3.根据权利要求1所述的基于磷虾群算法的SVR滚动轴承性能衰退预测方法，其特征在 于：