基于变模态分解的滚动轴承故障诊断方法技术

本发明专利技术公开了一种基于变模态分解的滚动轴承故障诊断方法，用于通过振动信号分析滚动轴承故障。首先采用预测滤波方法对传感器采集的信号进行故障信息增强处理，然后对滤波后信号进行变分模态分解以获得四个模态，再根据故障信息指数选取与滚动轴承故障最紧密相关的模态，最后对滤波后信号进行包络自相关谱分析，匹配故障特征频率得到故障信息。

【技术实现步骤摘要】

本专利技术涉及机械故障诊断领域，涉及振动信号处理方法在旋转机械故障诊断领域中的应用，具体涉及一种利用预测滤波和变模态分解对滚动轴承故障进行诊断的方法。
技术介绍
滚动轴承是旋转机械中常用的支撑部件，超过百分之三十的旋转机械故障与轴承故障有关。滚动轴承的故障诊断技术在监控轴承的性能状态和及早发现潜在故障等方面具有至关重要的作用，可以有效提高机械设备的运行管理水平，具有显著的经济效益。由于在实际的故障诊断过程中，故障信号往往伴随着比较大的背景噪声，甚至有可能出现信号被噪声覆盖的情况。为增强故障信息，本专利技术运用预测滤波方法对初始信号进行增强处理。预测滤波中模型的最优阶数的确定是一个复杂且困难的问题，本专利技术提出了一种基于冲击指数SI（Shock Index）的阶数选择方法，可有效解决轴承故障诊断中预测滤波定阶问题。经验模态分解（EMD）作为一种自适应信号处理方法，一经提出就受到机械故障诊断领域相关学者的广泛关注，并在滚动轴承故障特征提取上得到了一些成功应用。一般来说，需要对滚动轴承故障信号进行EMD 分解，并对选取的本征模式函数IMF( intrinsic mode functio本文档来自技高网...

【技术保护点】
基于变模态分解的滚动轴承故障诊断方法，其特征是包括以下步骤：(1) 通过传感器测得被检测滚动轴承的振动信号；(2) 采用预测滤波方法对信号进行故障信息增强处理；(3) 对预测滤波后信号进行变分模态分解；(4) 根据故障信息指数选取与滚动轴承故障最紧密相关的模态；(5) 求取模态信号的包络，并进行自相关谱分析；(6) 故障信息分析。

【技术特征摘要】
1.基于变模态分解的滚动轴承故障诊断方法，其特征是包括以下步骤：(1) 通过传感器测得被检测滚动轴承的振动信号；(2) 采用预测滤波方法对信号进行故障信息增强处理；(3) 对预测滤波后信号进行变分模态分解；(4) 根据故障信息指数选取与滚动轴承故障最紧密相关的模态；(5) 求取模态信号的包络，并进行自相关谱分析；(6) 故障信息分析。2. 根据权利要求1所述的基于变模态分解的滚动轴承故障诊断方法，其特征在于：步骤(2)中将预测滤波的阶数设置为50，100，150，…500，计算滤波后信号的冲击指数SI（Shock Index），选取最大SI值所对应的阶数进行预测滤波以增强故障信息；对于信号x(n)，n=1，2，…N，N 为信号长度，其冲击指数计算公式如下：。3.根据权利要求1所述的基于变模态分解的滚动轴承故障诊断方法，其特征在于步骤(3)：运用了变分模态分解法对预测滤波后进行信号分解，最终得到4个窄带模态分量｛u4｝＝｛u1，…，u4｝；每个模态分量的频率中心表示为：｛ω4｝＝｛ω1，…，ω4｝，因为步骤(3)采用了预测滤波进行故障信...

【专利技术属性】
技术研发人员：张丹，隋文涛，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：山东;37