1.一种基于改进麻雀搜索算法的轴承故障检测方法,其特征在于:所述方法包括如下步骤:步骤1,采集轴承数据,通过选取其中的特征和类别来进行轴承运行故障识别;按7:3的比例划分好数据的训练集和测试集,分别为Data_train和Data_test;
步骤2,选取经典的SVM算法实现轴承运行故障识别,对SVM算法中的惩罚参数C值和核函数参数σ两个参数,通过后续步骤进行优化;
步骤3,设定麻雀搜索算法的参数,并利用非线性项改进后的Chebyshev公式进行麻雀种群的初始化,并将Chebyshev混沌映射产生序列值代入种群初始化中;
步骤4,将初值群落带入到SVM的参数中,将分类的准确度Accuravy作为适应度值fitness,并按照从大到小排序;
步骤5,优化算法在发现食物阶段的搜索方式,加入一个惯性权值来进行调节,根据惯性权值来更新发现者的位置;
步骤6,发现者在寻找到下一个位置后,依据步骤5中加入惯性权值后,更新SVM的两个参数,重新计算分类的准确度即适应度值;将该群落的适应度最差的位置记为Xworst;
步骤7,设计一个自适应的选择变异策略以及进行该策略需要满足的两个条件;两个条件为自适应线性变化值小于随机数和迭代后最优适应度未变化;自适应的选择变异策略包括高斯分布扰动和柯西变异两部分;
步骤8,不断重复步骤3~步骤7,直至达到SVM中的准确度Accuravy最大的迭代次数为止;
步骤9,得到最优适应度值,也就是最高的准确度Accuravy;记录此时SVM算法中的惩罚参数C值和核函数参数两个参数的值并保存,后续轴承故障检测中,调用该保存参数下的SVM算法进行处理,得到相应的故障检测结果。
2.根据权利要求1所述的一种基于改进麻雀搜索算法的轴承故障检测方法,其特征在于:步骤1中,对于采集的轴承数据,其中包括9个特征为最大值、最小值、平均值、标准偏差、RMS、偏度、峰度、波峰因数和形状因数,其中包括3种类别为滚动体故障、内圈故障以及外圈故障。
3.根据权利要求1所述的一种基于改进麻雀搜索算法的轴承故障检测方法,其特征在于:步骤3中,设定的参数包括种群的数量pop,最大迭代次数Itermax,发现者、跟随者和预警者的比例,参数的上界Xub和下界Xlb,以及安全值ST,和预警值R2;其中,将麻雀种群中按照8:
2的比例分为发现者和跟随者,再从整个麻雀种群中选取百分之二十作为预警者。
4.根据权利要求3所述的一种基于改进麻雀搜索算法的轴承故障检测方法,其特征在于:步骤3包括如下分步骤:步骤3.1,首先利用非线性项改进后的Chebyshev公式进行麻雀种群的初始化;改进后的Chebyshev公式为yn+1=cos(((4+k)π‑ksin(πyn))*arccos(yn)),其中yn为初始值,yn+1为迭代后的输出的值;k是控制阶数,且新的取值范围为k≥0;
步骤3.2,按照公式 将此映射带入种群初始化;式中Xi为麻雀初始化后
的位置;Xub和Xlb分别为迭代区域的上限和下限;yi是改进的Chebyshev混沌映射产生序列值。
5.根据权利要求1所述的一种基于改进麻雀搜索算法的轴承故障检测方法,其特征在于:步骤5中,加入的惯性权值为 式中t表示当前的迭代次数。
6.根据权利要求4所述的一种基于改进麻雀搜索算法的轴承故障检测方法,其特征在于:步骤5中,发现者的位置更新公式为 式中,表示的是在当前第t次迭代时,第i只麻雀的第j维位置; 表示的是在当前第t+1次迭代时,第i只麻雀的第j维位置;随机值α∈(0,1];Itermax代表最大迭代次数;Q是服从常态分布的随机值;L表示的是一个1行d列且元素均为1的矩阵;预警值R2∈[0,1]和安全值ST∈[0.5,1],R2为一个随机值,而ST为一个定值;如果R2<ST,说明预警值小于安全值,此地安全,进行安心觅食;若R2≥ST,则说明预警值大于安全值,此地不安全,需要离开此地觅食。
7.根据权利要求1所述的一种基于改进麻雀搜索算法的轴承故障检测方法,其特征在于:步骤7中,对于策略需满足条件,第一个为,首先定义一个自适应线性变化的值如果随机数r>C,则认定符合变异的条件;第二个为,经过两次迭代后,最优适应度都未能发生变化,则认定已经陷入到了局部最优,需要进行变异。
8.根据权利要求7所述的一种基于改进麻雀搜索算法的轴承故障检测方法,其特征在于:步骤7中,自适应的选择变异策略为,将麻雀个体按照适应度从小到大排序后,设定适应度值在前一半的麻雀做高斯分布扰动,后一半的麻雀做柯西变异;变异的公式为:式中:Xt表示变异前麻雀的位置;x′t表示麻雀
在变异后的位置;pop是种群的数量; 是指步骤4中发现者找到的适应度最优的位置;N(0,1)为标准正态分布;cauchy(0,1)为标准柯西分布。