The invention provides a method for weak fault diagnosis of rolling bearings based on PSO_VMD_MCKD. For the collected vibration signals, the VMD algorithm is first optimized by PSO algorithm, and the optimal modal component is selected based on the result of VMD decomposition of weak fault signals. Secondly, according to the prominent frequency range in the envelope spectrum of the optimal modal component, the optimum range of PSO for T in MCKD algorithm is determined; the MCKD algorithm is optimized by PSO, and the fault impulse component in the optimal component signal is enhanced based on MCKD algorithm. Finally, the envelope spectrum extracts the weak fault characteristics of bearing and compares them with the theoretical fault frequency to get the fault diagnosis results. The invention overcomes the problem that the parameters in the VMD and MCCD algorithms are difficult to determine, realizes the signal noise reduction and obtains the frequency range of the outburst fault by using VMD, further enhances the fault impact component by using MCKD, and is more accurate for the weak fault diagnosis of rolling bearings.
【技术实现步骤摘要】
基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法
本专利技术属于旋转类机械故障诊断领域,具体涉及一种基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法。
技术介绍
滚动轴承故障是影响旋转类机械正常运行的重要因素之一。由于轴承早期故障产生的冲击十分微弱,易被系统噪声干扰,加上滚动轴承的振动传递路径复杂,使得其故障特征的提取非常困难。因此,如何有效地对滚动轴承原始故障信号进行降噪并增强信号中微弱冲击成分,是进行该类部件早期故障诊断的关键。滚动轴承故障信号为非线性、非平稳信号,针对这一类信号,学者们提出了多种处理方法。近年来,小波降噪、EMD分解、EEMD分解、LMD分解常被运用在故障诊断领域中。需要指出的是,尽管上述各方法在滚动轴承故障诊断时取得了一定效果,但仍存在下列问题:(1)小波变换,难以根据实际信号实现小波基及分解层数的自适应选择;(2)EMD、EEMD、LMD等都属于递归模态分解,且缺乏严格的数学理论。针对上述非线性信号处理方法的不足,变分模态分解(VMD),可有效避免EMD等信号分解产生的模态混叠、端点效应等问题。MCKD通过解卷积运算突出被噪声淹没的连续冲击脉冲,提高原始信号的相关峭度值,非常适用于提取微弱故障信号的连续瞬态冲击。单一使用VMD分解较难得到良好的准断效果,有学者采用MCKD降噪后,再采用VMD分解,成功地诊断出轴承微弱故障,但并未探讨两种算法参数如何确定。VMD算法和MCKD算法需要人为设置一些参数,且参数的取值对算法的影响非常大。
技术实现思路
针对滚动轴承早期产生的冲击十分微弱,易被系统噪声干扰造成轴承微弱故障诊断困难问 ...
【技术保护点】
1.一种基于PSO‑VMD‑MCKD的滚动轴承微弱故障诊断方法,其特征在于:包括以下步骤:步骤一:利用一加速度传感器对旋转机械设备进行测量,获取振动加速度信号;步骤二:利用PSO算法优化VMD算法中的α和K,后对采集的振动信号进行VMD分解;步骤三:基于VMD对微弱故障信号分解后的结果,利用包络谱峰值因子最大准则,选取最优模态分量;步骤四:根据最优模态分量的包络谱中的突出频率范围,确定PSO对MCKD算法中T的寻优范围,并基于参数优化结果,MCKD分析进一步增强最优分量中的故障冲击成分。步骤五:通过包络谱提取出滚动轴承故障特征,并与传动系统中的理论轴承故障频率进行对比,从而得出诊断结果。
【技术特征摘要】
1.一种基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法,其特征在于:包括以下步骤:步骤一:利用一加速度传感器对旋转机械设备进行测量,获取振动加速度信号;步骤二:利用PSO算法优化VMD算法中的α和K,后对采集的振动信号进行VMD分解;步骤三:基于VMD对微弱故障信号分解后的结果,利用包络谱峰值因子最大准则,选取最优模态分量;步骤四:根据最优模态分量的包络谱中的突出频率范围,确定PSO对MCKD算法中T的寻优范围,并基于参数优化结果,MCKD分析进一步增强最优分量中的故障冲击成分。步骤五:通过包络谱提取出滚动轴承故障特征,并与传动系统中的理论轴承故障频率进行对比,从而得出诊断结果。2.根据权利要求1所述的基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法,其特征在于:所述振动信号为传动轴径向振动加速度信号。3.根据权利要求1所述的基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法,其特征在于:所述VMD算法是通过迭代搜索变分模型中的最优解,将一个实际信号分解成K个离散的模态uk,并且确定每个模态分量的中心频率ωk和带宽;所述MCKD算法以信号相关峭度最大化为优化目标,通过迭代完成振动信号的解卷积运算,突出信号中被强烈噪声所掩盖的连续脉冲,在信噪比较低的信号中,提取出滚动轴承的代表振动特性的特征信号。4.根据权利要求1所述的基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法,其特征在于,所述优化方案均采用PSO算法,对VMD、MCKD中的参数进行全局寻优;所述PSO算法为采用惯性权重成凹函数变化的标准PSO算法;具体的速度更新公式及位置更新公式为:式中:o=1,2,3,…,O;O为种群规模;h为迭代次数,H为最大迭代次数;为粒子o第h次迭代中d维的速度;为最大权重,为最小权重;c1和c2为学习因子;η为介于区间[0,1]的随机数;为第h次迭代中粒子o在第d维的个体极值点的位置;为第h次迭代中粒子o在d维的当前位置;为第h次迭代中整个种群在d维的全局极值的位置。5.根据权利要求4所述的基于PSO-VMD-MCKD的滚动轴承微弱...
【专利技术属性】
技术研发人员:张俊,张建群,钟敏,李习科,许涛,
申请(专利权)人:福州大学,
类型:发明
国别省市:福建,35
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。