一种基于拟合提升小波和高阶累积分析的轴承状态监测方法技术

本发明专利技术公开一种基于拟合提升小波和高阶累积分析的轴承状态监测方法，通过分析轴承振动信号来实现对轴承的故障诊断。首先，对采集的轴承振动信号求取三阶累积量，并应用趋势分析对轴承状态进行预判。其次，当预判轴承可能存在故障隐患时，选用基于拟合提升算法构造的四种不同的新小波对振动信号作冗余提升小波分解，并基于l

A method of bearing condition monitoring based on fitting lifting wavelet and high order cumulant analysis

The invention discloses a bearing condition monitoring method of fitting lifting wavelet and higher order cumulants based on the analysis, through the analysis of bearing vibration signals to realize the fault diagnosis of bearing. First, the three order cumulants of the bearing vibration signals are obtained, and the bearing states are predicted by the trend analysis. Secondly, when the pre sentence bearing may exist hidden trouble, with four different new wavelet lifting algorithm based on fitting the vibration signal for redundant lifting wavelet decomposition, and based on L

【技术实现步骤摘要】
一种基于拟合提升小波和高阶累积分析的轴承状态监测方法
本专利技术属于轴承状态的监测
，尤其涉及一种基于拟合提升小波和高阶累积分析的轴承状态监测方法。
技术介绍
轴承是现代大型机电设备中最为常用的重要基础部件，也是最易发生故障的部件之一。为尽量避免因轴承故障造成的企业经济损失甚至人员伤亡事故，应用有效的方法和技术，对轴承运行状态进行监测和诊断，具有十分重要的意义。工作生产现场的噪声环境以及轴承自身振动信号的非平稳特点，使得对轴承微弱特征的信息提取和运行状态的准确监测变得十分困难。大量运行状态数据的实时采集和分析，亦需考虑总体流程的复杂度和相应成本。对轴承振动信号首先进行三阶累积量计算和趋势分析，以预判结果作为判据，可避免对正常轴承状态信号的进一步精细分析，又可及时捕捉到轴承可能存在的故障隐患从而进行更精细的后续分析，有效优化了轴承运行状态监测的总体流程。构造多种各具不同特性的小波对信号进行分析并基于lP范数实现对最优分解结果的选定，可更好地匹配轴承故障的微弱特征信息。工业背景噪声的混入和干扰，给特征信息的有效提取造成了很大的困难。根据最优分解树结构以及各层分解时对应的最优小波，对本文档来自技高网...

【技术保护点】
一种基于拟合提升小波和高阶累积分析的轴承状态监测方法，其特征在于，通过分析轴承振动加速度信号来实现对轴承的故障诊断，包括以下步骤：步骤1、对采集的轴承振动信号求取三阶累积量，并应用趋势分析对轴承状态进行预判，当预判轴承运行状态正常时，继续监测轴承的振动信号；当预判轴承可能存在故障隐患时，进行下一步的提升小波分析；步骤2、应用构造的四种新小波依次对预判可能存在故障隐患的轴承的振动信号进行自适应冗余拟合提升小波分解；自适应算法为：每次均选用四种不同小波依次对信号进行分解，对应得到四组低频逼近信号和高频细节信号，依次对每组结果中的低频逼近信号和高频细节信号分别求取归一化l

【技术特征摘要】
1.一种基于拟合提升小波和高阶累积分析的轴承状态监测方法，其特征在于，通过分析轴承振动加速度信号来实现对轴承的故障诊断，包括以下步骤：步骤1、对采集的轴承振动信号求取三阶累积量，并应用趋势分析对轴承状态进行预判，当预判轴承运行状态正常时，继续监测轴承的振动信号；当预判轴承可能存在故障隐患时，进行下一步的提升小波分析；步骤2、应用构造的四种新小波依次对预判可能存在故障隐患的轴承的振动信号进行自适应冗余拟合提升小波分解；自适应算法为：每次均选用四种不同小波依次对信号进行分解，对应得到四组低频逼近信号和高频细节信号，依次对每组结果中的低频逼近信号和高频细节信号分别求取归一化lP范数之后再求和；比较四个范数和，以最小者对应的低频逼近信号和高频细节信号作为此次分解的最优结果；对应小波作为此次分解的最优小波，逐层依次进行，直至达到所确定的分解层数。步骤3、当按照确定的分解层数完成分解时，对最后一次分解后通过归一化lP范数和所确定的最优低频逼近信号根据最优分解树结构作自适应单支重构，进而求取Hilbert解调包络谱后再进行1.5维谱分析，判定轴承的运行状态。2.如权利要求1所述基于拟合提升小波和高阶累积分析的轴承状态监测方法，其特征在于，步骤2中，基于数据拟合的最小二乘法和提升算法构造的四种不同新小波，具体为：(1)wavelet1是由基函数φ1(x)＝x0.5·k·cos(0.01·k)和(M,N)为(4,3)的参数组合构造得到；(2)wavelet2是由基函数φ1(x)＝x0.5·k·cos(0.01·k)和(M,N)为(8,7)的参数组合构造得到；(3)wavelet3是由基函数φ2(x)＝x1.5·k·cos(0.01·k)和(M,N)为(4,3)的参数组合构造得到；(4)wavelet4是由基函数φ2(x)＝x1.5·k·cos(0.01·k)和(M,N)为(8,7)的参数组合构造得到；其中，M为样本点数，N为基函数维数。3.如权利要求1所述基于拟合提升小波和高阶累积分析的轴承状态监测方法，其特征在于，步骤2中，小波分解的层数确定如下：若轴承振动监测的分析频率为fAnalysis，轴承最大故障特征频率为...

【专利技术属性】
技术研发人员：阳子婧，
申请(专利权)人：北京印刷学院，
类型：发明
国别省市：北京,11