亚星游戏官网-www.yaxin868.com

一种基于振动时频分析的滚动轴承故障诊断方法
【专利摘要】一种基于振动时频分析的滚动轴承故障诊断方法：利用振动加速度传感器采集滚动轴承正常条件和故障条件下的振动信号；利用改进后的固有时间尺度分解方法对采集到的振动信号进行分解，生成若干个固有时间尺度分量和残差信号；计算各固有时间尺度分量与振动信号的相关性，选择相关性排在前5位的固有时间尺度分量作为相关分量，剔除噪声信号和伪分量；分别计算各相关分量的魏格纳分布，并进行线性叠加得到原信号的魏格纳时频图；提取魏格纳时频图的差分分形盒维数和图像熵作为故障特征；利用马氏距离建立故障特征与故障类型的映射关系实现故障诊断。本发明解决了Wigner分布交叉项的干扰，确定了差分分形盒维数和图像熵两种具有代表性的故障特征。
【专利说明】一种基于振动时频分析的滚动轴承故障诊断方法

【技术领域】
[0001] 本发明涉及一种滚动轴承故障诊断方法。特别是涉及一种基于振动时频分析的滚 动轴承故障诊断方法。

【背景技术】
[0002] 振动分析是对滚动轴承进行故障诊断的最简单最直接手段，振动分析方法可以分 为时域分析法、频域分析法和时频分析法。其中时频分析方法由于能够综合反映振动信 号随时间和频率的变化情况一直是研究的热点。魏格纳（Wigner)分布是一种典型的时 频分析方法，具有良好的时频聚集性能够反应振动信号的本质特征，但它只适用于处理单 分量信号，当处理滚动轴承振动信号这种多分量信号时，由于交叉项的干扰会导致生成的 Wigner时频图不准确，从而限制了它的应用。
[0003] 采用信号分解技术对多分量信号进行分解是解决Wigner分布交叉项问题的最有 效手段，但典型的信号分解技术如小波变换和经验模态分解等在实际应用中都存在着各自 的问题。小波变换本质是对时频面的机械划分不具有自适应性，此外小波基函数的选择过 于依赖经验，选择不同的基函数将会对分解结果产生重大的影响；经验模态分解是一种自 适应的时频分析方法，但它存在端点效应、无法解释负频率以及由于采用三次样条插值带 来的过包络、欠包络等问题。Frei等提出了固有时间尺度分解方法，它解决了经验模态分解 的一些固有缺陷，并且在非平稳脑电波信号的分析中取得了不错的效果。但是由于滚动轴 承振动信号更为复杂，想要将固有时间尺度分解用于滚动轴承故障振动信号的分析仍然需 要对其平滑方法和端点效应等问题进行优化。
[0004] 此外，故障特征提取没有明确的标准，为了满足故障诊断精度的要求通常需要提 取多个故障特征，这就使得计算量大大增加，同时随着特征数目的增加特征间的冗余将会 限制故障诊断精度的进一步提高。在故障模式识别方面，常规方法如：神经网络、支持向量 机等模型较为复杂，且对使用者的专业知识也有较高要求，不适于滚动轴承在线诊断。如何 获取典型的故障特征，建立便于理解且计算复杂度较低的故障识别模型是滚动轴承在线诊 断研究的重点。


【发明内容】

[0005] 本发明所要解决的技术问题是，提供一种能够去除Wigner分布交叉项干扰，提取 具有代表性的故障特征，建立简单高效的故障识别模型的基于振动时频分析的滚动轴承故 障诊断方法。
[0006] 本发明所采用的技术方案是：一种基于振动时频分析的滚动轴承故障诊断方法， 包括以下步骤：
[0007] (1)利用振动加速度传感器采集滚动轴承正常条件和故障条件下的振动信号；
[0008] (2)对固有时间尺度分解中的插值方法和端点效应处理方法进行改进，并利用改 进后的固有时间尺度分解方法对采集到的振动信号x(t)进行分解，生成若干个固有时间 尺度分量HFm(t)和残差信号un(t):
[0009]

【权利要求】
1. 一种基于振动时频分析的滚动轴承故障诊断方法，其特征在于，包括以下步骤： (1) 利用振动加速度传感器采集滚动轴承正常条件和故障条件下的振动信号； (2) 对固有时间尺度分解中的插值方法和端点效应处理方法进行改进，并利用改进后 的固有时间尺度分解方法对采集到的振动信号x(t)进行分解，生成若干个固有时间尺度 分量HF m(t)和残差信号un(t):
⑶计算各固有时间尺度分量HFm(t)与振动信号x(t)的相关性，选择相关性排在前5 位的固有时间尺度分量作为相关分量，剔除噪声信号和伪分量； (4) 分别计算各相关分量的魏格纳分布，并进行线性叠加得到原信号的魏格纳时频 图； (5) 提取魏格纳时频图的差分分形盒维数和图像熵作为故障特征； (6) 利用马氏距离建立故障特征与故障类型的映射关系实现故障诊断。
2. 根据权利要求1所述的一种基于振动时频分析的滚动轴承故障诊断方法，其特征在 于，步骤（2)中所述的改进的固有时间尺度分解中的插值方法，是采用分段埃尔米特插值 代替原固有时间尺度分解算法中的线性插值拟合基线信号。
3. 根据权利要求1所述的一种基于振动时频分析的滚动轴承故障诊断方法，其特征在 于，步骤（2)中所述的改进的固有时间尺度分解中的端点效应处理方法，是采用最小二乘 支持向量机延拓解决端点效应，并利用模拟蛙跳算法对最小二乘支持向量机的核函数参数 和惩罚因子进行优化。
4. 根据权利要求1所述的一种基于振动时频分析的滚动轴承故障诊断方法，其特征在 于，步骤（3)中所述的相关性是采用互信息进行度量，即
其中X和Y为随机变量，I (X ;Y)为随机变量X和Y的互信息，p (X)为随机变量X的概 率密度函数，P (y)为随机变量Υ的概率密度函数，Ρ (X，y)为随机变量X和Υ的联合概率密 度函数。
【文档编号】G01M13/04GK104155108SQ201410348772
【公开日】2014年11月19日 申请日期:2014年7月21日 优先权日:2014年7月21日
【发明者】张俊红, 刘昱, 林杰威, 马梁, 马文朋 申请人:天津大学