申请/专利权人：林龙;台州科技职业学院

申请日：2019-12-31

公开（公告）日：2020-05-26

公开（公告）号：CN111199209A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的撤回

法律状态：2023.07.14#发明专利申请公布后的撤回;2021.05.07#实质审查的生效;2020.05.26#公开

摘要：本发明公开了一种基于IWO‑KFCM算法的轴承时频谱图识别方法，将轴承故障诊断问题转化为故障时频图像状态识别问题，先采集轴承的振动信号，生成已知和未知状态类别的信号数据集，对信号进行时频分析，获得时频谱图像并对其灰度化，计算每类图像的灰度‑梯度共生矩阵，提取二次统计特征指标，再利用主成分分析PCA选择贡献率高的主成分，对已知各类状态信号数据，构造基于可分析判据的适应度函数，通过杂草算法IWO进行优化，获取初始聚类中心，然后对未知状态数据特征进行测试，导入优化的初始聚类中心，采用IWO‑KFCM算法进行聚类分析识别。所提的IWO‑KFCM算法具有良好的鲁棒性和聚类精度，计算效率和聚类性能得到较大提升。

主权项：1.一种基于IWO-KFCM算法的轴承时频谱图识别方法，其特征在于：包括步骤如下：步骤1、数据采集、类别标记：设计旋转机械设备的故障实验，采集轴承在不同载荷、不同故障位置、不同故障程度下的振动信号，对各类状态信号进行截取、状态标记，形成已知状态类别的信号数据集和未知状态类别的信号数据集；步骤2、获取灰度化的时频谱图：对已知状态信号数据集和未知状态信号数据集进行时频分析，获得时频谱图像并对其灰度化；步骤3、基于时频谱图计算纹理特征：采用sobel算子计算各个灰度图像的梯度阵，并对灰度阵、梯度阵进行正规化，获得代表已知和未知状态图像纹理特征的灰度-梯度共生矩阵，并计算灰度-梯度二次统计特征，对特征矩阵进行归一化处理；步骤4、对纹理特征进行主成分分析降维：对已知状态数据集和未知状态数据集的灰度-梯度共生矩阵进行主成分分析PCA，选择累计贡献率高于设定值的主成分；步骤5、对降维后的已知状态纹理特征，通过IWO算法优化，获得各类状态特征的初始聚类中心：对已知状态的主成分进行杂草算法IWO优化，通过构造适应度函数选择各类最优的前P个已知状态数据样本，计算得到各个已知状态类别的初始聚类中心vi；步骤6、对降维后的未知状态纹理特征，导入IWO优化的初始聚类中心vi，采用KFCM算法进行聚类分析识别，步骤如下：6-1：确定初始聚类数目c，隶属度指数m，导入初始聚类中心vi；6-2：根据聚类中心更新式，计算隶属度阵；6-3：根据聚类中心和隶属度矩阵更新式，计算各个聚类中心；6-4：重复步骤6-2，6-3，直到隶属度误差或迭代次数达到设定值。

全文数据：

权利要求：

百度查询： 林龙;台州科技职业学院 一种基于IWO-KFCM算法的轴承时频谱图识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD