基于GRCMSE与流形学习的滚动轴承故障诊断方法

摘要

本发明涉及一种基于GRCMSE与流形学习的滚动轴承故障诊断方法，包括以下步骤：步骤S1:利用加速度传感器采集滚动轴承振动加速度信号；步骤S2:利用GRCMSE算法对振动加速信号进行特征提取；步骤S3:采用DDMA流形学习方法对滚动轴承故障特征信息进行降维处理，并将降维后的滚动轴承故障特征信息，按比例分为训练样本低维特征集和测试样本低维特征集；步骤S4:根据训练样本低维特征，训练PSO‑SVM分类器，得到训练好的PSO‑SVM分类器；步骤S5:将测试样本低维特征集输入训练好的PSO‑SVM分类器，诊断得到故障类型。本发明克服了多尺度样本熵中粗粒化存在的不足，解决了高维故障特征存在的信息冗余问题，能够有效诊断滚动轴承不同状态类型。