【技术实现步骤摘要】
本专利技术涉及一种基于多重分形维数算法与自适应灰色关联理论算法的滚动轴承故障诊断方法。
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承健康状况(需要结 ...
【技术保护点】
一种基于多重分形维数算法与自适应灰色关联理论算法的滚动轴承故障诊断方法,其特征在于,包括以下步骤:步骤1、对旋转机械中的对象滚动轴承在正常运行状态下及不同故障模式下的振动信号进行采样,得到轴承振动信号数据样本,其中,不同的故障模式对应不同的故障类型及严重程度,且在轴承振动信号数据样本中,不同振动信号与不同故障模式一一对应;步骤2、通过多重分形维数算法从轴承振动信号数据样本中提取每个振动信号的表征故障特征的主导特征向量,并根据不同振动信号与不同故障模式的对应关系,得到各主导特征向量与相应故障模式间的对应关系;步骤3、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;步骤4、实时获取当前运行状态下的待诊断滚动轴承的实时振动信号,并通过多重分形维数算法从实时振动信号中提取实时主导特征向量,基于步骤3建立的样本知识库,利用灰色关联算法计算实时主导特征向量与样本知识库中各故障模式的关联度,通过关联度得到待诊断滚动轴承的故障模式。
【技术特征摘要】
1.一种基于多重分形维数算法与自适应灰色关联理论算法的滚动轴承故障诊断方法,其特征在于,包括以下步骤:步骤1、对旋转机械中的对象滚动轴承在正常运行状态下及不同故障模式下的振动信号进行采样,得到轴承振动信号数据样本,其中,不同的故障模式对应不同的故障类型及严重程度,且在轴承振动信号数据样本中,不同振动信号与不同故障模式一一对应;步骤2、通过多重分形维数算法从轴承振动信号数据样本中提取每个振动信号的表征故障特征的主导特征向量,并根据不同振动信号与不同故障模式的对应关系,得到各主导特征向量与相应故障模式间的对应关系;步骤3、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;步骤4、实时获取当前运行状态下的待诊断滚动轴承的实时振动信号,并通过多重分形维数算法从实时振动信号中提取实时主导特征向量,基于步骤3建立的样本知识库,利用灰色关联算法计算实时主导特征向量与样本知识库中各故障模式的关联度,通过关联度得到待诊断滚动轴承的故障模式。2.如权利要求1所述的一种基于多重分形维数算法与自适应灰色关联理论算法的滚动轴承故障诊断方法,其特征在于,在所述步骤2及所述步骤3中,所述多重分形维数算法采用分形盒维数算法,则通过分形盒维数算法计算得到振动信号的分形盒维数作为该振动信号的主导特征向量。3.如权利要求1所述的一种基于多重分形维数算法与自适应灰色关联理论算法的滚动轴承故障诊断方法,其特征在于,在所述步骤2及所述步骤3中,利用多重分形维数算法提取任意振动信号的主导特征向量包括以下步骤:步骤2.1、对当前振动信号进行加权求和处理,使得当前振动信号被划分成N个区域,计算每个区域的概率密度函数,其中,第i个区域的概率密度函数Pi表示为:式中,i=1,2,…,N,εi为第i个区域的线度大小,αi为第i个区域的奇异指数;步骤2.2、计算各个区域的概率加权求和Xq(ε),计算广义分形维数Dq,在上式中,当q值取为趋向无限大时,Xq(ε)和Dq反应的是概率密度高的区域的性质;当q值取为远小于1时,Xq(ε)和Dq反应的是概率密度低的区域的性质;当q值取为0,1,2时,D0为容量维数,D1为信息维数,D2为关联维数;步骤2.3、通过将q值设定为不同值,提取当前振动信号不同概率特性的Dq,得到多层次特征提取结果,作为当前振动信号的主导特征向量。4.如权利要求1所述的一种基于多重分形维数算法与自适应灰色关联理论算法的滚动轴承故障诊断方法,其特征在于,在所述步骤4中,利用常规的灰色关联算法计算实时主导特征向量与样本知识库中各故障模式的关联度。5.如权利要求3所述的一种基于多重分形维数算法与自适应灰色关联理论算法的滚动轴承故障诊断方法,其特征在于,在所述步骤4中,利用自适应灰色关联算法计算实时主导特征向量与样本知识库中各故障模式的关联度,包括以下步骤:步骤4.1、通过所述步骤2.1至步骤2.3提取得到的实时主导特征向量B设为式中,Dk为第k个特征参数,k=1,2,…,K,K为特征参数的总数目;在所述样本知识库中存储有如下数据: C 1 = c 1 ( 1 ) c 1 ( 2 ) ... c 1 ( k ) ... c 1 ( K ) , C 2 = c 2 ( 1 ) c 2 ( 2 ) ... c 2 ...
【专利技术属性】
技术研发人员:李靖超,应雨龙,王英赫,董春蕾,
申请(专利权)人:上海电机学院,
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。