The invention relates to an on-line fault detection method for rolling bearings, which comprises the following steps: 1) establishing a sample knowledge base, in which the corresponding relations between different fault modes and dominant feature vectors are stored; 2) on-line acquiring the real-time vibration signals of the rolling bearings to be diagnosed under the current operating state, and extracting the real-time vibration. The dominant eigenvectors of the dynamic signals are calculated by the grey correlation algorithm, and the fault modes of the rolling bearings to be diagnosed are determined according to the correlation degree between the dominant eigenvectors of the real-time vibration signals and the dominant eigenvectors in the sample knowledge base. Compared with the prior art, the invention can solve the problem that it is difficult to accurately evaluate the working health of the rolling bearing by using the traditional time-domain and frequency-domain methods, and can accurately and effectively identify different rolling bearing fault types and fault severity while ensuring the real-time detection.
【技术实现步骤摘要】
一种滚动轴承在线故障检测方法
本专利技术涉及机械故障监测
,尤其是涉及一种滚动轴承在线故障检测方法。
技术介绍
滚动轴承作为重要部件,被广泛应用于几乎所有类型的旋转机械中。滚动轴承故障是旋转机械失效和损坏的最主要原因之一,并带来巨大的经济损失。为确保机组运行可靠并减少经济损失,研发一种可靠有效的滚动轴承故障诊断方法是极为必要的。在众多轴承故障诊断方法中,基于振动信号的诊断方法已经在过去几十年间受到了广泛关注。轴承的振动信号蕴含着丰富地机械健康状况信息,这也为通过信号处理技术从振动信号中提取表征机械健康状况的主导特征成为可能。当前,许多信号处理技术已经应用于轴承故障监测和诊断。然而,由于存在许多非线性因素(如,刚度、摩擦、间隙等),轴承诊断信号(特别是故障状态时)将表现为非线性和非稳态的特征。另外,实测的振动信号不仅包含与轴承本身相关的运行状况信息,还包含大量的机组设备中其他旋转部件和结构的信息(这些相较于前者属于背景噪声)。由于背景噪声通常较大,轻微的轴承故障信息容易淹没于背景噪声中,并很难被提取。因此,常规的时域和频域方法(主要针对线性振动信号),甚至更为先进的信号处理技术(如,小波变换(WT)等),不容易对轴承工作健康状况做出准确的评估。随着非线性动力学的发展,许多非线性分析技术已经被应用于识别和预测轴承复杂的非线性动态特性。其中,较为典型的一种方法是通过一些先进的信号处理技术(如,小波包分解(WPT)、希尔伯特变换(HT)、经验模态分解(EMD)、高阶谱(HOS)等)的结合运用来从振动信号中提取故障特征频率,并进一步与理论特征频率值比较来评估轴 ...
【技术保护点】
1.一种滚动轴承在线故障检测方法,其特征在于,包括以下步骤:1)建立样品知识库,该样品知识库中存储有不同故障模式与主导特征向量的对应关系;2)在线获取当前运行状态下的待诊断滚动轴承的实时振动信号,提取所述实时振动信号的主导特征向量;3)利用灰色关联算法计算所述实时振动信号的主导特征向量与样品知识库中各主导特征向量间的关联度,根据所述关联度判定待诊断滚动轴承所属的故障模式。
【技术特征摘要】
1.一种滚动轴承在线故障检测方法,其特征在于,包括以下步骤:1)建立样品知识库,该样品知识库中存储有不同故障模式与主导特征向量的对应关系;2)在线获取当前运行状态下的待诊断滚动轴承的实时振动信号,提取所述实时振动信号的主导特征向量;3)利用灰色关联算法计算所述实时振动信号的主导特征向量与样品知识库中各主导特征向量间的关联度,根据所述关联度判定待诊断滚动轴承所属的故障模式。2.根据权利要求1所述的滚动轴承在线故障检测方法,其特征在于,所述主导特征向量为熵特征与Holder系数特征联合的特征向量。3.根据权利要求1所述的滚动轴承在线故障检测方法,其特征在于,所述样品知识库的建立过程为:101)获得滚动轴承在多种已知故障模式下的振动信号,不同振动信号与不同故障模式一一对应;102)提取每个振动信号的主导特征向量;103)根据主导特征向量与故障模式间的对应关系建立样本知识库。4.根据权利要求1-3中任一所述的滚动轴承在线故障检测方法,其特征在于,所述主导特征向量为四维熵特征与Holder系数特征联合特征向量。5.根据权利要求4所述的滚动轴承在线故障检测方法,其特征在于,...
【专利技术属性】
技术研发人员:应雨龙,李靖超,何家振,左冲,
申请(专利权)人:上海电力学院,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。