The invention is applicable to the technical field of bearing fault monitoring, and provides a real-time monitoring method for rolling bearing fault. The vibration signal xN (n) of rolling bearing is acquired, the signal spectrum XN (k) is obtained by discrete Fourier transform, and the cyclic spectrum correlation density of the signal spectrum XN (k) is calculated.
【技术实现步骤摘要】
滚动轴承故障实时监测方法
本专利技术属于轴承故障监测
，尤其涉及一种滚动轴承故障实时监测方法。
技术介绍
随着科学技术的进步与发展，工业化程度的不断提高，机械设备的精密程度、复杂程度及自动化程度越来越高。因机械设备故障而引发的重大甚至是灾难性的人员伤亡和财产损失的例子不胜枚举。在旋转机械中，滚动轴承是一类广泛使用的，同时也是最易损伤的元件。据统计，在使用滚动轴承的旋转机械设备中，约30％的机械故障是与轴承损伤有关联的。开展滚动轴承故障诊断技术研究对于避免重大事故等工业生产安全和经济发展等都具有重要的现实意义。常规的滚动轴承故障诊断方法是功率谱分析、冲击脉冲法，共振解调法以及因数判别法等，但这些方法要求信号具有线性、平稳性，并且仅关注信号中的频率成分，忽略时间因素。而旋转机械设备发生故障时，其振动信号通常具有非平稳特性与非线性特性，使用常规的诊断方法容易造成漏诊和误判。目前人们引入现代信号处理方法，如时频分析、小波分析、非线性时间序列分析、隐马尔可夫模型、人工神经网络学等，而旋转机械由于周期运行方式，使得其信号具有循环平稳特性。但这些方法并未充分考虑和利用旋转...
【技术保护点】
1.一种滚动轴承故障实时监测方法，其特征在于，包括：获取滚动轴承的振动信号xN(n)，并对所述振动信号xN(n)进行离散傅里叶变换，得到信号频谱XN(k)；利用周期图法计算所述信号频谱XN(k)的循环谱相关密度为
【技术特征摘要】
1.一种滚动轴承故障实时监测方法，其特征在于，包括：获取滚动轴承的振动信号xN(n)，并对所述振动信号xN(n)进行离散傅里叶变换，得到信号频谱XN(k)；利用周期图法计算所述信号频谱XN(k)的循环谱相关密度为根据所要得到的谱相关密度切片的谱频率、分辨率和采样频率确定平滑窗函数以及平滑点数M，并计算归一化窗函数的傅里叶变换，得到窗函数频谱WN(f)；利用所述窗函数频谱WN(f)对所述循环谱相关密度进行循环谱平滑处理，得到平滑循环谱相关密度确定分辨率，遍历所述平滑循环谱相关密度并切片；在循环谱切片中选取谱能量最大的前L个谱向量，并计为模板；选取所述振动信号xN(n)之后的N个数据，将其分成K段，计算各段的平滑循环谱相关密度其中j＝1，2，3…K；将各段平滑循环谱相关密度与模板循环谱相关密度对比，统计在不同谱向量处峰值匹配个数Oi，根据峰值匹配个数Oi进行故障判断。2.根据权利要求1所述的滚动轴承故障实时监测方法，其特征在于，所述信号频谱XN(k)为：其中，所述振动信号xN(n)的长度为N，采样频率为1/Ts。3.根据权利要求1所述的滚动轴承故...
【专利技术属性】
技术研发人员：丁东亮，李少洋，
申请(专利权)人：北京中科东韧科技有限责任公司，
类型：发明
国别省市：北京,11
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。