(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211117647.3 (22)申请日 2022.09.14 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 方程龙　曹伟伟　杨秦敏　杨田苓　 高翔　王乐涛　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 刘静 (51)Int.Cl. G01M 13/045(2019.01) G06K 9/00(2022.01) G06K 9/62(2022.01) G06F 17/16(2006.01) (54)发明名称 一种多特征融合下基于迁移成分分析的轴 承故障诊断方法 (57)摘要 本发明公开了一种多特征融合下基于迁移 成分分析的轴承故障诊断方法， 本发 明先采用加 速度传感器收集的信息， 从时域、 频域、 小波 域和 熵的角度， 提取特征， 根据已知故障尺寸、 故障类 别下的轴承振动信号的混合特征集合组成源域， 未知故障类别但故障尺寸大小一致的故障尺寸 下， 轴承振动信号的混合特征集合组成目标域， 通过迁移成分分析(TCA)的边缘分布自适应方 法， 采用K最近邻分类诊断新故障直径下的故障 类型， 本发明从多个方面入手， 提取了数据的时 域、 频域、 小波 域和熵方面的信息， 对多特征进行 融合， 更全面刻画了故障时运行的场景； 利用已 知故障直径的样本， 能有效提高原先数据的利用 程度和检测精确度。 权利要求书2页 说明书6页 附图1页 CN 115452380 A 2022.12.09 CN 115452380 A 1.一种多特征融合下基于迁移成分分析的轴承故障诊断方法， 其特征在于， 所述方法 步骤如下： S1、 采用加速度传感器采集已知故障尺寸和故障类型的轴承和需要检测的轴承的振动 信号； 所述检测轴承的故障类型 未知， 故障尺寸 一致； S2、 对获取的振动信号提取多种特征， 包括时域特征、 频域特征、 小波域特征和熵特征， 将至少两种特 征进行归一 化获得多特 征融合下的特 征； S3、 已知故障尺寸、 故障类别的轴承振动信号的混合特征集合组成源域， 未知故障类别 但故障尺寸一致的轴承振动信号的混合特征集合组成目标域， 源域和目标域通过迁移成分 分析迁移到新的域中， 得到新的样本模型； S4、 在迁移后的新样本模型中， 将已知故障尺寸、 故障类别的轴承振动信号的混合特征 集合作为训练集， 未知故障类别但故障尺寸一致的轴承振动信号的混合特征集合作为测试 集， 采用K最近邻分类， 获得轴承故障检测结果。 2.根据权利要求1所述的一种基于迁移成分分析的轴承故障诊断方法， 其特征在于， S2 中， 时域特征直接进 行提取， 采用峰值， 峰值因子， 峭度， 有效值， 裕度指标， 脉冲因子作为特 征； 频域上， 对获取的振动信号进行傅里叶变换， 提取频域幅值平均值、 重心频率、 均方频 率、 均方根频率、 频率方差作为特 征； 小波域上， 使用小波变换对获取的信号分解重构， 提取第 一层， 第二层的近似和细节分 量， 提取分量的能量谱作为轴承 振动信号的小 波域特征； 熵特征上， 计算小波变换后的每个分量能量值， 以每个分量的能量占总能量的比例作 为概率密度函数计算信息熵； 选取不同域中部分特 征进行归一 化获得多特 征融合下的特 征。 3.根据权利要求1所述的一种基于迁移成分分析的轴 承故障诊断方法， 其特征在于， 所 述轴承振动信号是轴承的振动加速度信号。 4.根据权利要求1所述的一种基于迁移成分分析的轴 承故障诊断方法， 其特征在于， 所 述故障类别分为外圈故障和内圈故障。 5.根据权利要求1所述的一种基于迁移成分分析的轴 承故障诊断方法， 其特征在于， 所 述步骤S3中迁移成分 分析的具体步骤如下： S3.1、 确立优化目标， 确立源域和目标域的最小化距离为最大均值差异， 数学表达如下 所示： 上式中： X ′src为源域数据经过迁移后的新样本值， X ′tar为目标域经过迁移后的新样本 值， 为源域数据中第i个样本值， 为目标域中第i个样本值， n1为源域中的样本数 量， 这里是已知故障尺寸、 故障类别的样本， n2为目标域中的样本数量， 这里是未知故障类 别但故障尺寸大小一致下轴承振动信号的混合特征集合， 表示将样本映射到希尔伯特空 间的函数H为再生核Hi lbert空间， 为二范数； S3.2、 展开最大均值差异， 将最大均值差异表示为变换矩阵和矩阵的迹的表达形式， 数权　利　要　求　书 1/2 页 2 CN 115452380 A 2学表达如下 所示： dist(X′src,X′tar)＝tr(ATXM0XTA) 上式中： A为变 换矩阵， AT是A的转置， X为源 域和目标域合并起来的数据， tr是矩阵的迹， M0是一个行列数均为(n1+n2)的矩阵， 数 学表达如下 所示： S3.3、 约束维持变换后数据的散度不变， 引入约束条件， 数 学表达如下 所示： ATXHXTA＝I 上式中： I是单位矩阵， H是中心 矩阵， 表达式如下： In为n阶单位矩阵， n ＝n1+n2 ln＝[1,…,1]T∈Rn×1； S3.4、 加入正则化项， 得到优化问题形式， 如下式所示： s.t.ATXHXTA＝I； 上式中： 表示Froben ius规范正则项， λ为均衡参数； ATXHXTA＝I为约束条件 S3.5、 通过拉格朗日乘子法求解， 需要求解下式中前k个最小的特征值对应的特征向 量， 组成变换矩阵A， 即可完成映射到k维空间的求 解； (XM0XT+λI)A＝XHXTAφ 其中φ＝diag(φ1,…,φk)， φ1,…,φk是拉格朗日乘子， dia g是对角矩阵。权　利　要　求　书 2/2 页 3 CN 115452380 A 3