CN115982869B 一种基于稀疏分解的重加权分步正则化轴承故障诊断方法 （厦门大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115982869B(45)授权公告日2025.07.11

(21)申请号202211474897.2

(22)申请日2022.11.23

(65)同一申请的已公布的文献号申请公布号CN115982869A

(43)申请公布日2023.04.18

(73)专利权人厦门大学

地址361005福建省厦门市思明区思明南

路422号

(72)发明人余立超罗华耿张保强王成龙

(74)专利代理机构厦门南强之路专利事务所(普通合伙)35200

专利代理师马应森

(51)Int.CI.

GO6F30/17(2020.01)

GO6F30/20(2020.01)

GO6F17/15(2006.01)

GO6F119/02(2020.01)

(56)对比文件

Yu,LC等.BearingFaultDiagnosisviaStepwiseSparseRegularizationwithan

AdaptiveSparseDictionary.SENSORS.2024,第24卷(第8期),全文.

审查员王为鑫

权利要求书3页说明书8页附图3页

(54)发明名称

一种基于稀疏分解的重加权分步正则化轴承故障诊断方法

(57)摘要

CN115982869B一种基于稀疏分解的重加权分步正则化轴承故障诊断方法，涉及轴承故障诊断。包括以下步骤：1)建立稀疏分解问题模型：通过引入合适的罚函数替代0范数，借助正则化，转化为无约束的最优化问题；2)构造替代函数，使替代函数具备与目标函数相近的最优解；3)优化替代函数，通过迭代构造和缩减替代函数，时间索引参数逐渐收敛至实际冲击发生的位置，稀疏系数也逐渐逼近真实值；4)更新正则化参数和剔除冗余原子，当收敛误差小于设定的收敛阈值时，结束迭代，完成重加权分步正则化轴承故障诊断。能够兼具强稀疏促进能力和高拟合精度，具有更高的

CN115982869B

Amplitude(m/s2)

Amplitude(m/s2)

马2%T?T4Time(s)

CN115982869B权利要求书1/3页

2

1.一种基于稀疏分解的重加权分步正则化轴承故障诊断方法，其特征在于包括以下步

骤：

1)建立稀疏分解问题模型：通过引入合适的罚函数替代0范数，借助正则化，转化为无约束的最优化问题；

所述建立稀疏分解问题模型的具体步骤为：

引入对数求和罚函数来替代0范数以构建待优化的目标函数，振动信号y在稀疏字典A上的稀疏表示描述为：

其中，A∈RM×N表示稀疏字典矩阵，x∈R表示由稀疏系数构成的矢量；n表示噪声干扰；t表示时间索引参数，ε表示容差，∈为正参数，保证对数函数的真数大于0;通过令正参数∈逼近0以保证全局最优解收敛到真实值附近；借助正则化，将上式表达为如下无约束的最优化问题：

λ表示正则化参数，为伴随迭代进程变化的参数，λ的取值决定误差项和正则项在目标函数中的权重大小，影响全局最优解的所在位置；求解上式的最优解采用受控极小化框架，通过优化合适的替代函数实现对目标函数的间接优化；

2)构造替代函数，使替代函数具备与目标函数相近的最优解；

3)优化替代函数，通过迭代构造和缩减替代函数，时间索引参数逐渐收敛至实际冲击发生的位置，稀疏系数也逐渐逼近真实值；

4)更新正则化参数和剔除冗余原子，当收敛误差小于设定的收敛阈值时，结束迭代，完成重加权分步正则化轴承故障诊断。

2.如权利要求1所述一种基于稀疏分解的重加权分步正则化轴承故障诊断方法，其特征在于在步骤2)中，在第i+1次迭代，构造一个关于目标函数L(x)的替代函数sS(x|x⑨),满足S(x|x?)-L(x)≥0,当且仅当x=时等号成立：

其中，?=[89,x2…,]和λ(i)分别表示第i次迭代获得的稀疏系数矢量和选取的正则

化参数；从而将上式改写为如下的替代函数形式：

根据受控极小化框架的优化流程，通过迭代构造和优化替代函数F即得与目标函数的最优解相近的求解结果。

3.如权利要求1所述一种基于稀疏分解的重加权分步正则化轴承故障诊断方法，其特征在于在步骤3)中，所述优化替代函数的具体步骤为：

移除替代函数中的常数项，简