轴承故障检测方法及系统技术方案

轴承故障检测方法及系统，包括：采集原始振动信号，以粒子群算法计算所述原始振动信号得分解参数；优化所述分解参数，以得到参数组合信息，据以分解所述原始振动信号为模式分解信息；提取所述模式分解信息中的耦合输入信号；以所述粒子群算法优化双稳态随机共振系统，据以对所述耦合输入信号进行随机共振处理，以得到故障特征信号。本发明专利技术解决了现有技术存在的信号处理效果差，微弱故障信号检测精度低的技术问题。

Bearing Fault Detection Method and System

Bearing fault detection method and system include: collecting original vibration signal, calculating the decomposition parameters of the original vibration signal by particle swarm optimization; optimizing the decomposition parameters to obtain the combination information of parameters, and decomposing the original vibration signal as the mode decomposition information; extracting the coupled input signal in the mode decomposition information; optimizing bistability by the particle swarm optimization algorithm The state stochastic resonance (SSR) system is used to process the coupled input signal to obtain the fault characteristic signal. The invention solves the technical problems of poor signal processing effect and low detection accuracy of weak fault signals existing in the prior art.

【技术实现步骤摘要】
轴承故障检测方法及系统
本专利技术涉及一种机械故障信号检测方法，特别是涉及一种轴承故障检测方法及系统。
技术介绍
随机共振信号增强方法是借助非线性振动理论，将信号中的随机噪声能量转化为特定信号的能量，从而达到增强该信号强度、进行有效检测的目的。变分模态分解是以经典维纳滤波、希尔伯特变换和频率混合这三个概念为基础的自适应信号分解方法。相比经验模态分解算法与局部均值分解的递归‘筛选’模式，变模式分解算法将信号分解转化非递归、变分分解的模式，其实质上是多个自适应维纳滤波组。不同于经验模态分解方法，在变模态分解中，本征模态函数固有模态分量不再局限于窄带信号。但变模态分解算法处理信号时需要事先设定变模态分解的参数，且单纯使用模态分解算法无法准确提取强噪声环境下微弱故障信息，使得模态分解算法在实际应用中存在一定的局限性。综上所述，现有技术的故障信号增强方法存在信号处理效果差，微弱故障信号检测精度低的技术问题。
技术实现思路
鉴于以上现有技术存在信号处理效果差，微弱故障信号检测精度低的技术问题，本专利技术的目的在于提供一种轴承故障检测方法及系统，一种轴承故障检测方法，包括：采集原始振动信号，以粒子群算法计算原始振动信号得分解参数；优化分解参数，以得到参数组合信息，据以分解原始振动信号为模式分解信息；提取模式分解信息中的耦合输入信号；以粒子群算法优化双稳态随机共振系统，据以对耦合输入信号进行随机共振处理，以得到故障特征信号。于本专利技术的一实施方式中，计算得分解参数的步骤，包括：以振动感应装置获取轴承的原始振动信号；根据原始振动信号获取粒子迭代数据，据以计算适应度数据；根据适应度数据设定粒子群迭代逻辑；根据粒子群迭代逻辑计算得分解参数。于本专利技术的一实施方式中，分解原始振动信号的步骤，包括：获取包络数据，据以计算分解参数，以得到参数组合信息；根据各参数组合信息设定模态分解逻辑；根据模态分解逻辑将原始振动信号分解为多个模态分量。于本专利技术的一实施方式中，提取耦合输入信号的步骤，包括：获取模式分解信息的峭度数据；根据峭度数据筛选模式分解信息得到可用模态分量；处理可用模态分量为耦合输入信号。于本专利技术的一实施方式中，共振处理信号的步骤，包括：提取粒子群中各粒子的耦合系统参数，据以计算输出信噪比；根据输出信噪比设置粒子的速度和位置，据以计算共振系统更新数据；根据共振系统更新数据更新双稳态随机共振系统；随机共振处理耦合输入信号获取故障特征信号。于本专利技术的一实施方式中，一种轴承故障检测系统，包括：分解参数模块，用以采集原始振动信号，以粒子群算法计算原始振动信号得分解参数；分解模块，用以优化分解参数，以得到参数组合信息，据以分解原始振动信号为模式分解信息，分解模块与分解参数模块连接；耦合输入模块，用以提取模式分解信息中的耦合输入信号，耦合输入模块与分解模块连接；稳态共振模块，用于以粒子群算法优化双稳态随机共振系统，据以对耦合输入信号进行随机共振处理，以得到故障特征信号，稳态共振模块与耦合输入模块连接。于本专利技术的一实施方式中，分解参数模块，包括：原始信号模块，用于以振动感应装置获取轴承的原始振动信号；适应度模块，用以根据原始振动信号获取粒子迭代数据，据以计算适应度数据，适应度模块与原始信号模块连接；迭代设定模块，用以根据适应度数据设定粒子群迭代逻辑，迭代设定模块与适应度模块连接；参数计算模块，用以根据粒子群迭代逻辑计算得分解参数，参数计算模块与迭代设定模块连接。于本专利技术的一实施方式中，分解模块包括：参数组件模块，用以获取包络数据，据以计算分解参数，以得到参数组合信息；分解逻辑模块，用以根据各参数组合信息设定模态分解逻辑，分解逻辑模块与参数组件模块连接；分量获取模块，用以根据模态分解逻辑将原始振动信号分解为多个模态分量，分量获取模块与分解逻辑模块连接。于本专利技术的一实施方式中，耦合输入模块，包括：峭度模块，用以获取模式分解信息的峭度数据；分量筛选模块，用以根据峭度数据筛选模式分解信息得到可用模态分量，分量筛选模块与峭度模块连接；分量处理模块，用以处理可用模态分量为耦合输入信号，分量处理模块与分量筛选模块连接。于本专利技术的一实施方式中，稳态共振模块，包括：信噪比模块，用以提取粒子群中各粒子的耦合系统参数，据以计算输出信噪比；更新数据模块，用以根据输出信噪比设置粒子的速度和位置，据以计算共振系统更新数据，更新数据模块与信噪比模块连接；共振更新模块，用以根据共振系统更新数据更新双稳态随机共振系统，共振更新模块与更新数据模块连接；特征获取模块，用以随机共振处理耦合输入信号获取故障特征信号，特征获取模块与共振更新模块连接。如上所述，本专利技术提供的一种轴承故障检测方法及系统具有以下有益效果：该方法既能减小传统VMD(VariationalModeDecomposition)分解算法易受惩罚函数alpha、分量个数K以及Lagrange乘子更新步长tau的影响，又能显著增强输出信号的信噪比，有效提取微弱故障信号特征。综上，本专利技术提供一种轴承故障检测方法及系统，解决了现有技术存在的信号处理效果差，微弱故障信号检测精度低的技术问题。附图说明图1显示为本专利技术的轴承故障检测方法步骤示意图。图2显示为图1中步骤S1在一实施例中的具体流程图。图3显示为图1中步骤S2在一实施例中的具体流程图。图4显示为图1中步骤S3在一实施例中的具体流程图。图5显示为图1中步骤S4在一实施例中的具体流程图。图6显示为本专利技术的轴承故障监测系统模块示意图。图7轴承故障检测系统数据流向示意图。图8显示为图6中分解参数模块在一实施例中的具体模块示意图。图9显示为本专利技术的原始信号时域波形与频谱图。图10显示为本专利技术的粒子寻优包络熵变化示意图。图11显示为图6中分解模块在一实施例中的具体模块示意图。图12显示为本专利技术的本征模态函数时域波形图。图13显示为本专利技术的包络信号处理波形图。图14显示为图6中稳态共振模块在一实施例中的具体模块示意图。图15显示为本专利技术的被控系统输出信噪比值变化图。图16显示为本专利技术的特征增强信号时域波形示意图。元件标号说明1分解参数模块2分解模块3耦合输入模块4稳态共振模块11原始信号模块12适应度模块13迭代设定模块14参数计算模块21参数组件模块22分解逻辑模块23分量获取模块31峭度模块32分量筛选模块33分量处理模块41信噪比模块42更新数据模块43共振更新模块44特征获取模块步骤标号说明S1～S4方法步骤S11～S14方法步骤S21～S23方法步骤S31～S33方法步骤S41～S44方法步骤具体实施方式以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效。请参阅图1至图16，须知，本说明书所附图式所绘示的结构，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
所能涵盖的范围内。同时，本说明书中所引用的如”上”、”下”、”左”、”右”、”中间”及”一”等的用语，亦仅为便于叙述的明了，而非用以限定本专利技术可实施的范围，本文档来自技高网...

【技术保护点】
1.一种轴承故障检测方法，其特征在于，包括：采集原始振动信号，以粒子群算法计算所述原始振动信号得分解参数；优化所述分解参数，以得到参数组合信息，据以分解所述原始振动信号为模式分解信息；提取所述模式分解信息中的耦合输入信号；以所述粒子群算法优化双稳态随机共振系统，据以对所述耦合输入信号进行随机共振处理，以得到故障特征信号。

【技术特征摘要】
1.一种轴承故障检测方法，其特征在于，包括：采集原始振动信号，以粒子群算法计算所述原始振动信号得分解参数；优化所述分解参数，以得到参数组合信息，据以分解所述原始振动信号为模式分解信息；提取所述模式分解信息中的耦合输入信号；以所述粒子群算法优化双稳态随机共振系统，据以对所述耦合输入信号进行随机共振处理，以得到故障特征信号。2.根据权利要求1所述的方法，其特征在于，所述计算得分解参数的步骤，包括：以振动感应装置获取轴承的所述原始振动信号；根据所述原始振动信号获取粒子迭代数据，据以计算适应度数据；根据所述适应度数据设定粒子群迭代逻辑；根据所述粒子群迭代逻辑计算得所述分解参数。3.根据权利要求1所述的方法，其特征在于，所述分解原始振动信号的步骤，包括：获取包络数据，据以计算所述分解参数，以得到所述参数组合信息；根据各所述参数组合信息设定模态分解逻辑；根据所述模态分解逻辑将所述原始振动信号分解为多个模态分量。4.根据权利要求1所述的方法，其特征在于，所述提取耦合输入信号的步骤，包括：获取所述模式分解信息的峭度数据；根据所述峭度数据筛选所述模式分解信息得到可用模态分量；处理所述可用模态分量为所述耦合输入信号。5.根据权利要求1所述的方法，其特征在于，所述共振处理信号的步骤，包括：提取粒子群中各粒子的耦合系统参数，据以计算输出信噪比；根据所述输出信噪比设置所述粒子的速度和位置，据以计算共振系统更新数据；根据所述共振系统更新数据更新所述双稳态随机共振系统；随机共振处理所述耦合输入信号获取所述故障特征信号。6.一种轴承故障检测系统，其特征在于，包括：分解参数模块，用以采集原始振动信号，以粒子群算法计算所述原始振动信号得分解参数；分解模块，用以...

【专利技术属性】
技术研发人员：陈剑，陶善勇，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34