The invention discloses an automatic warning method of rolling bearing status based on a variety of feature extraction and selection. The extraction method of multiple time domain and frequency domain of rolling bearing vibration signal in time domain features, using unsupervised feature selection method of intelligent selection of rolling bearing fatigue recession process sensitive, feature subset can provide complementary information based on maximum relevance minimum redundancy, overcome the blindness of man-made sensitive features are selected without prior knowledge, according to the set up automatic alarm threshold method set alarm strategy, implementation of rolling bearing damage early warning.
【技术实现步骤摘要】
基于多种特征提取和选择的滚动轴承状态自动预警方法
本专利技术涉及机械故障诊断领域,尤其涉及一种滚动轴承状态自动预警方法。
技术介绍
基于振动信号的滚动轴承状态评估技术一般直接选取振动信号的单个特征作为状态评估指标。然而,随着进一步研究发现:单个特征通常只在某个阶段对某种缺陷有效,同一特征在不同的故障模式下表现不同,不同特征在同样工况下表现也不同,而有效的状态评估指标应该能够充分利用多种信息,不但能够捕捉轴承在不同运行阶段的内在性能变化,同时在实际应用中易于获取。为了改善单一指标性能,近年来一些学者研究了基于特征融合技术的指标构建方法,例如,HaiQiu等人2003年在文献《Robustperformancedegradationassessmentmethodsforenhancedrollingelementbearingprognostics》中提出了一种基于自组织神经网络的状态评估指标构建方法,利用振动信号以及相应包络信号的均方根值、峭度值、波形指标训练得到的最小量化误差(MQE)作为轴承的状态评估指标。但是,该方法仅人为指定少数几个特征进行融合,无法从众多的原始特征中智能构造出能稳定体现轴承衰退模式的特征子集,同时没有制定相应的自动报警策略。
技术实现思路
为克服上述缺点,本专利技术提供了一种基于多种特征提取和选择的滚动轴承状态自动预警方法。本专利技术是通过以下技术方案来实现的:一种基于多种特征提取和选择的滚动轴承状态自动预警方法,包括如下步骤:1)对被监测滚动轴承的振动信号进行多种特征提取,构成特征集合,较佳地,所述振动信号为轴承座处的径向振动信号。 ...
【技术保护点】
一种基于多种特征提取和选择的滚动轴承状态自动预警方法,其特征在于,包括如下步骤:1)对被监测滚动轴承的振动信号进行多种特征提取,构成特征集合,所述振动信号为轴承座处的径向振动信号;2)利用基于最大相关最小冗余的无监督特征选择方法从特征集合中选择出对滚动轴承疲劳衰退过程敏感、能够提供互补信息的特征子集;3)利用自组织神经网络对特征子集进行融合,构建状态评估指标;4)利用报警阈值自动设立策略设置报警阈值,当状态评估指标超过报警阈值时进行预警;其中,所述步骤2)中的基于最大相关最小冗余的无监督特征选择方法包括以下步骤:删除与轴承衰退过程不相关的特征;按照同类特征中包含的信息相似、不同类特征之间信息互补的方式进行特征分类,类别个数由聚类算法自动确定,不少于两类;基于特征得分评估特征局部保存能力,保留剩余每一类特征中局部保存能力最优的1~3个特征,以此组成对滚动轴承疲劳衰退过程敏感、能够提供互补信息的特征子集;所述步骤4)中所述的报警阈值自动设立策略的步骤包含:首先,利用正常状态数据,计算状态评估指标的幅值波动大小与时间跨度之比,即一阶系统的单位阶跃响应增长斜率|m|,同时计算状态评估指标的均值 ...
【技术特征摘要】
1.一种基于多种特征提取和选择的滚动轴承状态自动预警方法,其特征在于,包括如下步骤:1)对被监测滚动轴承的振动信号进行多种特征提取,构成特征集合,所述振动信号为轴承座处的径向振动信号;2)利用基于最大相关最小冗余的无监督特征选择方法从特征集合中选择出对滚动轴承疲劳衰退过程敏感、能够提供互补信息的特征子集;3)利用自组织神经网络对特征子集进行融合,构建状态评估指标;4)利用报警阈值自动设立策略设置报警阈值,当状态评估指标超过报警阈值时进行预警;其中,所述步骤2)中的基于最大相关最小冗余的无监督特征选择方法包括以下步骤:删除与轴承衰退过程不相关的特征;按照同类特征中包含的信息相似、不同类特征之间信息互补的方式进行特征分类,类别个数由聚类算法自动确定,不少于两类;基于特征得分评估特征局部保存能力,保留剩余每一类特征中局部保存...
【专利技术属性】
技术研发人员:李康,陈雪军,刘冰,胡湘江,林习良,訾艳阳,蔡自刚,
申请(专利权)人:中国人民解放军六三六八零部队,
类型:发明
国别省市:江苏,32
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。