The invention discloses a method for extracting composite rolling bearing fault, with the maximum correlation kurtosis deconvolution filter as the original vibration signal filtering and deconvolution through reasonable design parameters, the original signal through deconvolution after rising dimension into four sets of signals, corresponding to the four types of faults, and the rise of the four signals the dimension corresponds to a fault in the resonance frequency band, fast kurtogram spectrum processing single resonance frequency band signal, can accurately identify the fault sensitive frequency band and filter, and then get the envelope of four groups of signal spectrum, spectral correspondence the fault characteristic frequency and calculated by comparing the four groups of signal envelope, the fault type can be judged the original composite fault signal. At the same time, in the selection of maximum correlation kurtosis deconvolution parameters, the particle swarm optimization method based on empirical interval can improve the accuracy and adaptability of parameter selection.
【技术实现步骤摘要】
一种滚动轴承复合故障提取方法
本专利技术涉及一种轴承复合故障提取方法,尤其涉及一种滚动轴承复合故障提取方法,属于轴承故障诊断
技术介绍
滚动轴承是机械设备中应用最广泛的零部件之一,其运行状况是否良好直接影响机械设备的安全运行。实际工程中,轴承在恶劣的工程条件下运行,往往出现多种故障并存的现象。近年来,人们提出的包络解调、小波变换、形态学滤波等方法主要针对单故障,对复合故障分离存在困难。快速谱峭度图算法能够自适应的识别共振频带并通过包络解调方法提取故障特征,但在实际应用中,多故障源及噪声的干扰会导致谱峭度图对共振频带的选取不准确。为提高快速谱峭度分析复合故障的准确性,提出一种以最大相关峭度解卷积作为前置处理,以理论计算所得故障特征频率作为解卷积周期滤波,进而对解卷积所得信号进行快速谱峭度分析的轴承复合故障诊断方法。
技术实现思路
本专利技术要解决的技术问题是提供一种滚动轴承复合故障提取方法。为解决上述技术问题,本专利技术采用的技术方案是:一种滚动轴承复合故障提取方法,包括以下步骤:步骤1:样本采集:通过振动加速度传感器获得轴承运行过程的时域信号样本集;步骤2:获得最优化解卷积滤波参数:以自适应寻优方法在预设的解卷积周期寻优区间及滤波器长度寻优区间内以峭度值最大化为寻优指标,寻得最佳解卷积滤波参数组合(T*,L*),T*为最优解卷积周期,L*为最优滤波器长度;步骤3:滤波:分别使用预置的内圈故障参数、外圈故障参数、滚动体故障参数、保持架故障参数,在最优化滤波参数条件下滤波时域信号样本集,得到与内圈故障、外圈故障、滚动体故障、保持架故障相对应的解卷积滤波输 ...
【技术保护点】
一种滚动轴承复合故障提取方法,其特征在于:包括以下步骤:步骤1:样本采集:通过振动加速度传感器获得轴承运行过程的时域信号样本集;步骤2:获得最优化解卷积滤波参数:以自适应寻优方法在预设的解卷积周期寻优区间及滤波器长度寻优区间内以峭度值最大化为寻优指标,寻得最佳解卷积滤波参数组合(T*,L*),T*为最优解卷积周期,L*为最优滤波器长度;步骤3:滤波:分别使用预置的内圈故障参数、外圈故障参数、滚动体故障参数、保持架故障参数,在最优化滤波参数条件下滤波时域信号样本集,得到与内圈故障、外圈故障、滚动体故障、保持架故障相对应的解卷积滤波输出数据;步骤4:确定故障类型:分别对与内圈故障、外圈故障、滚动体故障、保持架故障对应的输出数据进行快速谱峭度分析,通过快速谱峭度图确定共振中心频率及带宽,再以共振中心频率及带宽为参数分别对与内圈故障、外圈故障、滚动体故障、保持架故障对应的输出数据进行快速谱峭度滤波,提取相应输出数据的包络谱频率特征,分别计算与理论计算故障特征频率的相关性,根据相关性判定时域信号样本集对应的故障类型。
【技术特征摘要】
1.一种滚动轴承复合故障提取方法,其特征在于:包括以下步骤:步骤1:样本采集:通过振动加速度传感器获得轴承运行过程的时域信号样本集;步骤2:获得最优化解卷积滤波参数:以自适应寻优方法在预设的解卷积周期寻优区间及滤波器长度寻优区间内以峭度值最大化为寻优指标,寻得最佳解卷积滤波参数组合(T*,L*),T*为最优解卷积周期,L*为最优滤波器长度;步骤3:滤波:分别使用预置的内圈故障参数、外圈故障参数、滚动体故障参数、保持架故障参数,在最优化滤波参数条件下滤波时域信号样本集,得到与内圈故障、外圈故障、滚动体故障、保持架故障相对应的解卷积滤波输出数据;步骤4:确定故障类型:分别对与内圈故障、外圈故障、滚动体故障、保持架故障对应的输出数据进行快速谱峭度分析,通过快速谱峭度图确定共振中心频率及带宽,再以共振中心频率及带宽为参数分别对与内圈故障、外圈故障、滚动体故障、保持架故障对应的输出数据进行快速谱峭度滤波,提取相应输出数据的包络谱频率特征,分别计算与理论计算故障特征频率的相关性,根据相关性判定时域信号样本集对应的故障类...
【专利技术属性】
技术研发人员:梁志通,王文剑,靳玉川,王立坤,张永光,董海洋,刘水洋,王海莲,张金钢,张雄,万书亭,
申请(专利权)人:河北建设集团股份有限公司,华北电力大学保定,
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。