1.一种基于决策树算法全模拟电路的轴承故障分类方法,其特征在于,所述方法包括:
步骤一、采用两层模拟滤波器构建仿真电路模型;各类轴承故障信号通入所述仿真电路模型后先后经过两层模拟滤波器,将每层模拟滤波器低通输出信号和高通输出信号的均方根值之差作为决策条件,对各类轴承故障信号进行分类编码,得到与各类轴承故障信号一一对应的仿真信号编码;
步骤二、采用分别与所述两层模拟滤波器参数相同的两层可编程控制滤波器构建全模拟电路模型;当前采集的轴承故障信号通入所述全模拟电路模型后先后经过两层可编程控制滤波器,将每层可编程控制滤波器低通输出信号和高通输出信号的均方根值之差作为决策条件,对当前轴承故障信号进行编码,得到当前信号编码;
步骤三、对比所述当前信号编码和所述仿真信号编码,确定出所述当前信号编码对应的轴承故障信号类型。
2.根据权利要求1所述的一种基于决策树算法全模拟电路的轴承故障分类方法,其特征在于:所述轴承故障信号为电压信号或电流信号。
3.根据权利要求1所述的一种基于决策树算法全模拟电路的轴承故障分类方法,其特征在于:步骤一中所述的模拟滤波器为参数优化后的滤波器,所述参数为截止频率;
所述参数的优化方法包括:
叠加各类轴承故障信号通入第一层模拟滤波器,经低通、高通滤波分别输出第一低通模拟信号和第一高通模拟信号,计算第一低通模拟信号和第一高通模拟信号的第一模拟均方根值之差,以该第一模拟均方根值之差优化所述第一层模拟滤波器的参数,得到第一层优化模拟滤波器;
将所述第一模拟均方根值之差作为决策条件,对各类轴承故障信号进行分类编码,剔除不同编码的轴承故障信号,保留相同编码的轴承故障信号;
叠加保留的轴承故障信号的第一低通模拟信号和第一高通模拟信号通入第二层模拟滤波器,经低通、高通滤波分别输出第二低通模拟信号和第二高通模拟信号,计算第二低通模拟信号和第二高通模拟信号的第二模拟均方根值之差,以该第二模拟均方根值之差优化所述第二层模拟滤波器的参数,得到第二层优化模拟滤波器。
4.根据权利要求3所述的一种基于决策树算法全模拟电路的轴承故障分类方法,其特征在于:所述第一层模拟滤波器和所述第二层模拟滤波器的参数均采用遗传算法优化得到:将均方根值之差的绝对值作为目标函数,将滤波器的截止频率作为变量,通过优化得到最小绝对值,该最小绝对值对应的截止频率即为滤波器的最优参数。
5.根据权利要求1所述的一种基于决策树算法全模拟电路的轴承故障分类方法,其特征在于:步骤一和步骤二中所述的将均方根值之差作为决策条件,对各类轴承故障信号进行分类编码的方法包括:当低通输出信号和高通输出信号的均方根值之差大于零,设定对应的轴承故障信号的信号编码为a;当低通输出信号和高通输出信号的均方根值之差小于零,设定对应的轴承故障信号的信号编码为b。
6.根据权利要求5所述的一种基于决策树算法全模拟电路的轴承故障分类方法,其特征在于:所述仿真信号编码和所述当前信号编码均为轴承故障信号经两层滤波器分类编码所得两个所述信号编码的组合。
7.根据权利要求1所述的一种基于决策树算法全模拟电路的轴承故障分类方法,其特征在于:步骤二中当前采集的轴承故障信号经过第二层可编程控制滤波器之前,采用加法器模块将第一层可编程控制滤波器的低通输出信号和高通输出信号相加,再通入第二层可编程控制滤波器。
8.根据权利要求1所述的一种基于决策树算法全模拟电路的轴承故障分类方法,其特征在于:步骤二中每层可编程控制滤波器的低通输出信号和高通输出信号的均方根值采用均方根值计算模块计算得到。
9.根据权利要求8所述的一种基于决策树算法全模拟电路的轴承故障分类方法,其特征在于:步骤二中每层可编程控制滤波器的低通输出信号和高通输出信号的均方根值输出至示波器,根据所述示波器各通道展示的波形的大小确定均方根值之差。
10.一种基于决策树算法全模拟电路的轴承故障分类系统,其特征在于:该轴承故障分类系统用于实现权利要求1-9任一项所述的全模拟电路模型。