The embodiment of the invention discloses a method for bearing fault diagnosis, decompose before pre processed by using the local mean in the bearing vibration signal decomposition method, which uses median filtering method to remove the background noise in the vibration signal, and then from the pre processed signal to extract the fault feature information, according to the fault diagnosis of bearing fault feature information. This application scheme using median filtering method to filter out the background noise in the original signal, effectively improve the fault information extraction accuracy, it is helpful to improve the accuracy of bearing fault detection, is conducive to the healthy operation of the whole equipment. In addition, the embodiment of the invention also provides a corresponding realization device and a system for the bearing fault diagnosis method, and further makes the method more practical.
【技术实现步骤摘要】
本专利技术涉及机械故障诊断领域,特别是涉及一种轴承故障诊断方法、装置以及系统。
技术介绍
随着机械制造业的发展,轴承作为机械设备中的关键部件,也得到了较大的发展。轴承是当代机械设备中一种举足轻重的零部件,它的主要功能是支撑机械旋转体,在机械转动过程中起固定和减小载荷摩擦系数的部件。也可以说,当其它机件在轴上彼此产生相对运动时,用来降低动力传递过程中的摩擦系数和保持轴中心位置固定的机件。在机械产品中,轴承属于高精度产品,作为各类机械装备的重要基础零部件,它的精度、性能、寿命和可靠性对主机的精度、性能、寿命和可靠性起着决定性的作用,当轴承发生故障时可能会影响整个设备的运行,甚至导致整个设备瘫痪。因此,对轴承工作状态的监控对于设备的正常运行是至关重要的。在轴承发生故障时会产生非平稳信号,可从这些非平稳信号中提取故障特征信号来实现对轴承工作状态的监控,通过对故障特征信号的分析与判断来检测轴承是否发生故障。现有技术中可通过小波分析、经验模态分解、LMD(LocalMeanDecomposition,局部均值分解)来分析非平稳信号进而提取故障特征信息。但是,由于小波变换存在小波基的选取复杂以及小波变换后数据冗余等问题、经验模态分解也存在端点效应以及模态混叠问题,而LMD可有效的避免上述两种处理方法的弊端且由于迭代终止条件的不同迭代次数更少,故LMD广泛用于从故障信号中提取故障的特征信息。LMD是一种新的自适应的时频分析方法,该方法自适应的将一个复杂的多分量信号分解为多个瞬时频率具有物理意义的乘积函数,非常适合非平稳非线性信号的处理与分析。但是,该方法在提取的故障特征 ...
【技术保护点】
一种轴承故障诊断方法,其特征在于,包括:获取采集设备采集的轴承振动信号;采用中值滤波方法对所述轴承振动信号进行预处理,以滤除所述轴承振动信号中的背景噪声;采用局部均值分解方法对预处理后的信号进行分解,以获得PF有效分量与残余分量;利用所述PF有效分量与所述残余分量进行信号重构,生成重构信号,从所述重构信号中提取故障特征信息;根据所述故障特征信息对轴承进行故障诊断。
【技术特征摘要】
1.一种轴承故障诊断方法,其特征在于,包括:获取采集设备采集的轴承振动信号;采用中值滤波方法对所述轴承振动信号进行预处理,以滤除所述轴承振动信号中的背景噪声;采用局部均值分解方法对预处理后的信号进行分解,以获得PF有效分量与残余分量;利用所述PF有效分量与所述残余分量进行信号重构,生成重构信号,从所述重构信号中提取故障特征信息;根据所述故障特征信息对轴承进行故障诊断。2.根据权利要求1所述的方法,其特征在于,所述采用中值滤波方法对所述轴承振动信号进行预处理包括:从所述轴承振动信号中连续采样N个值;将N个值按照数值大小进行排序,丢弃最大值以及最小值,取中间的值作为中值;用所述中值作为采样值进行采样;其中,N不小于3。3.根据权利要求2所述的方法,其特征在于,所述采用局部均值分解方法对预处理后的信号进行分解,以获得PF有效分量与残余分量包括:采用所述局部均值分解方法对所述预处理后的信号进行分解计算,得到PF分量;根据所述PF分量与所述预处理后的信号计算得到所述残余分量;根据相关系数法从所述PF分量中选取PF有效分量。4.根据权利要求3所述的方法,其特征在于,所述采用所述局部均值分解方法对所述预处理后的信号进行分解计算,得到PF分量包括:计算所述预处理后的信号的局部平均值以及局部包络值;采用滑动平均法对所述局部平均值以及所述局部包络值进行处理,以获得局部均值函数与局部包络函数;根据所述局部均值函数以及所述局部包络函数对所述预处理后的信号进行计算,以获得调频函数以及包络信号函数;根据所述调频函数以及所述包络信号函数得到所述PF分量。5.根据权利要求1至4任意一项所述的方法,其特征在于,所述从所述重构信号中提取故障特征信息为:对所述重构信号进行频谱分析以提取所述故障特征信息。6.根据权利要求3所述的方法,其特征在于,所述根据相关系数法从所述PF分量中选取PF有效分量包括:将每一个所述PF分量...
【专利技术属性】
技术研发人员:张宝,魏东梅,杨涛,陶栩,庞毅飞,卞长智,
申请(专利权)人:四川中烟工业有限责任公司,西南科技大学,
类型:发明
国别省市:四川;51
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。