【技术实现步骤摘要】
本专利技术属于轴承的故障诊断
,具体涉及一种基于改进EMD分解与敏感特征选择的轴承故障诊断方法。
技术介绍
滚动轴承作为旋转机械的重要零件之一,对于保证整个机械系统的可靠运行是极为重要的,然而由于制造加工过程中存在的误差以及轴承工作时复杂恶劣环境的影响,只有少部分的轴承能够达到设计寿命,轴承出现的故障会造成旋转机械等关键设备的严重事故,带来巨大的经济损失和人员伤亡,因此监测轴承的运行状态以及进行及时的故障诊断,可以保障旋转机械的正常工作,避免事故的发生。由于轴承常常工作在复杂、恶劣、多变的环境下,其振动信号中包含有大量的背景噪声,具有强烈的非线性和非平稳性特征,因此需要利用有效的信号处理工具才能提取出反映轴承故障状态的信息。
技术实现思路
有鉴于此,本专利技术的主要目的在于提供一种基于改进EMD分解与敏感特征选择的轴承故障诊断方法。为达到上述目的,本专利技术的技术方案是这样实现的:本专利技术实施例提供一种基于改进EMD分解与敏感特征选择的轴承故障诊断方法,该方法通过以下步骤实现:步骤1:对轴承不同故障状态下的原始振动信号进行小波降噪与EMD分解,获得若干个IMF分量;步骤2:通过定量计算各IMF分量与原始信号的相关性大小,选取包含轴承主要故障信息的前h个IMF分量作为提取故障特征信息的对象,并且分别提取IMF分量中的特征参数构成原始特征集;步骤3:根据距离评估方法分别确定原始特征集中每个特征的敏感度因子,并且构造敏感特征集;步骤4:将轴承的故障样本分为训练和测试样本,并将训练样本的敏感特征向量输入到支持向量机SVM中进行训练,根据遗传算法对SVM的核函 ...
【技术保护点】
一种基于改进EMD分解与敏感特征选择的轴承故障诊断方法,其特征在于,该方法通过以下步骤实现:步骤1:对轴承不同故障状态下的原始振动信号进行小波降噪与EMD分解,获得若干个IMF分量;步骤2:通过定量计算各IMF分量与原始信号的相关性大小,选取包含轴承主要故障信息的前h个IMF分量作为提取故障特征信息的对象,并且分别提取IMF分量中的特征参数构成原始特征集;步骤3:根据距离评估方法分别确定原始特征集中每个特征的敏感度因子,并且构造敏感特征集;步骤4:将轴承的故障样本分为训练和测试样本,并将训练样本的敏感特征向量输入到支持向量机SVM中进行训练,根据遗传算法对SVM的核函数参数g和惩罚因子c进行优化,通过训练好的轴承故障诊断模型对测试样本进行故障识别。
【技术特征摘要】
1.一种基于改进EMD分解与敏感特征选择的轴承故障诊断方法,其特征在于,该方法通过以下步骤实现:步骤1:对轴承不同故障状态下的原始振动信号进行小波降噪与EMD分解,获得若干个IMF分量;步骤2:通过定量计算各IMF分量与原始信号的相关性大小,选取包含轴承主要故障信息的前h个IMF分量作为提取故障特征信息的对象,并且分别提取IMF分量中的特征参数构成原始特征集;步骤3:根据距离评估方法分别确定原始特征集中每个特征的敏感度因子,并且构造敏感特征集;步骤4:将轴承的故障样本分为训练和测试样本,并将训练样本的敏感特征向量输入到支持向量机SVM中进行训练,根据遗传算法对SVM的核函数参数g和惩罚因子c进行优化,通过训练好的轴承故障诊断模型对测试样本进行故障识别。2.根据权利要求1所述的基于改进EMD分解与敏感特征选择的轴承故障诊断方法,其特征在于,所述步骤1具体为:对轴承不同故障状态下的原始振动信号进行降噪预处理,选择合适的小波基函数和信号分解层数,根据斯坦因无偏似然估计原则确定各层高频系数的阈值,然后采用软阈值函数处理高频系数,通过小波逆变换重构信号,获得降噪后的信号。3.根据权利要求1或2所述的基于改进EMD分解与敏感特征选择的轴承故障诊断方法,其特征在于,所述步骤1中对降噪后的信号进行EMD分解,其具体步骤为:步骤1.2.1:将降噪后的时域信号作为待分解序列x(t),并提取其所有的极大值点和极小值点,分别用三次样条曲线连接极大值点和极小值点,形成上包络线和下包络线,上下...
【专利技术属性】
技术研发人员:丁锋,栗祥,瞿金秀,程文冬,韩兴本,
申请(专利权)人:西安工业大学,
类型:发明
国别省市:陕西;61
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。