滚动轴承故障模式识别及状态监测的特征向量提取方法技术
【技术实现步骤摘要】
本专利技术涉及一种滚动轴承故障模式识别及状态监测的特征向量提取方法，属于机械故障诊断与信号处理
技术介绍
滚动轴承是传动机械中的核心组成部件，对于保持转动轴的位置和旋转精度具有举足轻重的作用，根据各方面的统计结果，滚动轴承是旋转机械设备中出现故障损坏率最高的部件之一。滚动轴承发生故障可能会造成整个机械系统停机，引起严重的经济损失，甚至带来灾难性的事故。随着计算机技术的迅速发展，采用基于信号处理技术结合智能诊断方法对滚动轴承进行不同类型故障模式识别和运行状态监测已经越来越广泛。在滚动轴承振动信号中提取出有关故障特征的相关信息，并将其转化为输入智能诊断方法的特征向量，是采用智能方法对滚动轴承进行故障模式识别和运行状态监测的关键。近年来，熵理论快速发展，各种熵理论方法被逐步引入到机械设备故障诊断当中，熵理论方法在用于信号中特征信息提取时，显示了很大的优势。熵理论可以将一组信号序列量化为一个单一特征值，能准确反应出信号中蕴含的特征信息，其中，相比Shannon熵、近似熵、样本熵，模糊熵的计算结果对数据长度的要求很低，计算结果一致性好，尤其在随参数连续平滑变化和...
【技术保护点】
一种滚动轴承故障模式识别及状态监测的特征向量提取方法，其特征在于：其步骤如下：步骤1、采用Hermitian小波作为小波基函数对滚动轴承故障振动信号进行连续小波变换，计算得到滚动轴承故障振动信号的时间小波能量谱序列；步骤2、根据模糊熵理论描述所述滚动轴承故障振动信号复杂程度的优良性质，计算时间小波能量谱序列的模糊熵值；步骤3、根据滚动轴承不同故障模式下，所述滚动轴承故障振动信号的时间小波能量谱序列复杂性的差异，采用时间小波能量谱序列的模糊熵值作为特征向量，用于识别滚动轴承不同类型的故障模式；同时，根据滚动轴承运行过程中，正常工况与故障工况时所述滚动轴承故障振动信号的时间小波...
【技术特征摘要】
1.一种滚动轴承故障模式识别及状态监测的特征向量提取方法，其特征在于：其步骤如下：步骤1、采用Hermitian小波作为小波基函数对滚动轴承故障振动信号进行连续小波变换，计算得到滚动轴承故障振动信号的时间小波能量谱序列；步骤2、根据模糊熵理论描述所述滚动轴承故障振动信号复杂程度的优良性质，计算时间小波能量谱序列的模糊熵值；步骤3、根据滚动轴承不同故障模式下，所述滚动轴承故障振动信号的时间小波能量谱序列复杂性的差异，采用时间小波能量谱序列的模糊熵值作为特征向量，用于识别滚动轴承不同类型的故障模式；同时，根据滚动轴承运行过程中，正常工况与故障工况时所述滚动轴承故障振动信号的时间小波能量谱序列复杂性的变化，采用时间小波能量谱序列的模糊熵值绘制曲线图，监测滚动轴承的运行状态。2.根据权利要求1所述的滚动轴承故障模式识别及状态监测的特征向量提取方法，其特征在于：所述步骤2中计算时间小波能量谱序列的模糊熵值的方法如下：2-1、获取滚动轴承故障振动信号及Hermitian小波基函数，输出所述滚动轴承故障振动信号连续小波变换后的结果；2-2、获取所述滚动轴承故障振动信号的连续小波变换结果，输出时间小波能量谱序列；2-3、获取模糊熵理论相关参数及所述时间小波能量谱序列，输出时间小波能量谱序列的模糊熵值。3.根据权利要求1所述的滚动轴承故障模式识别及状态监测的特征向量提取方法，其特征在于：所述步骤3中时间小波能量谱序列的模糊熵值用于滚动轴承不同类型的故障模式识别及滚动轴承的运行状态监测的具体方法如下：3-1、获取传感器所采集的滚动轴承多个不同故障模式的滚动轴承故障振动信号，采用Hermitian小波作为小波基函数，输出滚动轴承故障振动信号连续小波变换后的系数，计算得到小波系数的时间小波能量谱序列；3-2、获取模糊熵计算中的相关参数，输出滚动轴承不同故障模式下滚动轴承故障振动信号时间小波能量谱序列...
【专利技术属性】
技术研发人员：邓飞跃，杨绍普，郭文武，潘存治，郝如江，申永军，刘永强，刘鹏飞，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：河北;13
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。