C组作为测试集，其中，B+C=A，B>C; 采用朴素贝叶斯分类器对所述B组训练集进行训练，建立基于朴素贝叶斯的机车走行 部滚动轴承故障诊断模型； 根据所述故障诊断模型对所述C组测试集进行分类，根据分类结果结合所述故障特征 集评估故障诊断模型的分类性能。
2. 根据权利要求1所述的机车走行部滚动轴承故障诊断方法，其特征在于，所述根据 分组后的振动加速度数据，得到所述振动加速度数据的频域信号包括： 对所述分组后的振动加速度数据进行消除趋势项处理，去除所述振动加速度数据中的 噪声； 对消除趋势项后的振动加速度数据信号进行二次积分得到位移信号，即得到时域分析 后的时域信号； 对所述时域信号进行快速傅里叶变换，得到频谱分析后的频域信号。
3. 根据权利要求1所述的机车走行部滚动轴承故障诊断方法，其特征在于，所述对所 述频域信号进行三层小波包分解，并构建故障特征集包括： 对去噪后的A组频域信号进行三层小波包分解，每组信号得到8个频域分量f1/8,f2/8,f 3/8,【4/8, 4/8,【6/8,fV/8,f的目号； 计算所述频域信号的各个频域分量的能量E1/8,E2/8,E3/8,E4/8,E5/8,E6/8,E7/8,E，构建A*8 的能量特征向量力? = 48，吃，其中i为A组信号中的第i组，每个频 域分量的能量可以表示为：E= ，其中xk为小波包分解系数中的各个元素，小波包分 k=l 解系数是一个矩阵，N为小波包分解系数的长度，k的取值为1-N; 根据所述A*8的能量特征向量和故障类型，构建（A+l)*8的故障特征集， 其中YiG{1，2,3,4}，为故障类型。
4. 根据权利要求1所述的机车走行部滚动轴承故障诊断方法，其特征在于，所述采用 朴素贝叶斯分类器对所述B组训练集进行训练，建立基于朴素贝叶斯的机车走行部滚动轴 承故障诊断模型包括： 采用朴素贝叶斯分类器对所述B组训练集进行训练，确定朴素贝叶斯分类后的结构、 故障类型概率表及推理引擎； 根据所述朴素贝叶斯分类后的结构、故障类型概率表及推理引擎，构建基于朴素贝叶 斯的机车走行部滚动轴承故障诊断模型，所述故障诊断模型包括朴素贝叶斯结构、故障类 型概率表及推理引擎。
5. 根据权利要求1所述的机车走行部滚动轴承故障诊断方法，其特征在于，所述根据 所述故障诊断模型对所述C组测试集进行分类，根据分类结果结合所述故障特征集评估故 障诊断模型的分类性能包括： 根据所述C组测试集中每组数据的8个频域分量的能量和所述故障诊断模型，得到每 组数据在所述故障诊断模型中对应的故障类型； 将所述对应的故障类型与所述故障特征集中每组数据对应的故障类型进行比对，根据 两者一致的组数多少确定所述故障诊断类型分类性能的高低。
6. -种机车走行部滚动轴承故障诊断装置，其特征在于，包括： 信号采集模块，用于采集不同故障类型下机车走行部滚动轴承的振动加速度数据，并 根据故障类型对数据进行分组，总组数为A，所述四种不同故障类型包括：正常信号、内圈 故障、外圈故障和滚动体故障； 信号处理模块，用于根据分组后的振动加速度数据，得到所述振动加速度数据的频域 信号； 特征集建立模块，用于对所述频域信号进行三层小波包分解，并构建故障特征集； 特征集划分模块，用于将所述故障特征集进行随机排列，将前B组作为训练集，后C组 作为测试集，其中，B+C=A，B>C; 模型建立模块，用于采用朴素贝叶斯分类器对所述B组训练集进行训练，建立基于朴 素贝叶斯的机车走行部滚动轴承故障诊断模型； 模型评估模块，用于根据所述故障诊断模型对所述C组测试集进行分类，根据分类结 果结合所述故障特征集评估故障诊断模型的分类性能。
7. 根据权利要求6所述的机车走行部滚动轴承故障诊断装置，其特征在于，所述信号 处理模块包括： 信号去噪子模块，用于对所述分组后的振动加速度数据进行消除趋势项处理，去除所 述振动加速度数据中的噪声； 时域分析子模块，用于对消除趋势项后的振动加速度数据信号进行二次积分得到位移 信号，即得到时域分析后的时域信号； 频域分析子模块，用于对所述时域信号进行快速傅里叶变换，得到频谱分析后的频域 信号。
8. 根据权利要求6所述的机车走行部滚动轴承故障诊断装置，其特征在于，所述特征 集建立t吴块包括： 小波包分解子模块，用于对去噪后的A组频域信号进行三层小波包分解，每组信号得 到8个频域分量 fl/8, 4/8,f*3/8,f*4/8, 6/8,f*6/8, 4/8,f?的信号； 向量构建子模块，用于计算所述频域信号的各个频域分量的能量e1/8,e2/8,e3/8,e4/8,e5/8 ，E6/8,E7/8,E，构建A*8的能量特征向量X= 8，t，Ss，句8，玟8，卑，其中i为A组信 号中的第i组，每个频域分量的能量可以表示为：￡=fkl2，其中xk为小波包分解系数中 k^l 的各个元素，小波包分解系数是一个矩阵，N为小波包分解系数的长度，k的取值为1-N; 特征集构建子模块，用于根据所述A*8的能量特征向量和故障类型，构建（A+l)*8的故 障特征集s=彳(及用'，其中YiG{1，2, 3, 4}，为故障类型。
9. 根据权利要求6所述的机车走行部滚动轴承故障诊断装置，其特征在于，所述模型 建立模块包括： 贝叶斯分类子模块，用于采用朴素贝叶斯分类器对所述B组训练集进行训练，确定朴 素贝叶斯分类后的结构、故障类型概率表及推理引擎； 模型构建子模块，用于根据所述朴素贝叶斯分类后的结构、故障类型概率表及推理引 擎，构建基于朴素贝叶斯的机车走行部滚动轴承故障诊断模型，所述故障诊断模型包括朴 素贝叶斯结构、故障类型概率表及推理引擎。
10. 根据权利要求6所述的机车走行部滚动轴承故障诊断装置，其特征在于，所述模型 评估t吴块包括： 故障对应子模块，用于根据所述C组测试集中每组数据的8个频域分量的能量和所述 故障诊断模型，得到每组数据在所述故障诊断模型中对应的故障类型； 故障比对子模块，用于将所述对应的故障类型与所述故障特征集中每组数据对应的故 障类型进行比对，根据两者一致的组数多少确定所述故障诊断类型分类性能的高低。
【专利摘要】本发明公开了一种机车走行部滚动轴承故障诊断方法和装置，其中，该方法包括：采集不同故障类型下机车走行部滚动轴承的振动加速度数据，并根据故障类型对数据进行分组；根据分组后的振动加速度数据，得到所述振动加速度数据的频域信号；对所述频域信号进行三层小波包分解，并构建故障特征集；将所述故障特征集进行随机排列，将前B组作为训练集，后C组作为测试集，其中，B+C＝A，B>C；采用朴素贝叶斯分类器对所述B组训练集进行训练，建立基于朴素贝叶斯的机车走行部滚动轴承故障诊断模型；根据所述故障诊断模型对所述C组测试集进行分类，根据分类结果结合所述故障特征集评估故障诊断模型的分类性能。
【IPC分类】G06K9-62, G06K9-66, G01M13-04
【公开号】CN104807639
【申请号】CN201510198548
【发明人】贺德强, 陈二恒, 刘旗扬, 周继续, 向伟彬
【申请人】广西大学
【公开日】2015年7月29日
【申请日】2015年4月23日