一种滚动轴承退化状态阶段确定方法技术

本发明专利技术提供了一种滚动轴承退化状态阶段确定方法，包括如下步骤：步骤1，采集表征滚动轴承稳定工作状态的振动信号并去噪处理，得到能够具体表征滚动轴承稳定工作状态的有用信号序列；步骤2，对有用信号序列计算多尺度Tsallis排列熵值，得到健康状态指数时间序列；步骤3，根据健康状态指数时间序列，计算平均值和方差值；步骤4，根据平均值和方差值计算报警阈值，并根据多尺度Tsallis排列熵值组成时间序列的变化趋势，对滚动轴承退化阶段开始时间点进行识别。本发明专利技术利用多尺度Tsallis排列熵可调节熵指数适应多种条件下的机械系统状态监测能力和较好的感知机械系统状态变化的能力，实现滚动轴承退化状态阶段的确定，识别效果较好且具有较快的计算速度。

A method to determine the degradation stage of rolling bearing

【技术实现步骤摘要】
一种滚动轴承退化状态阶段确定方法
本专利技术涉及机械系统状态监测与寿命评估
，具体而言，涉及一种滚动轴承退化状态阶段确定方法。
技术介绍
现阶段我国很多机械系统退化状态识别与评估方法主要通过数据驱动的振动在线监测方法，已广泛地应用于旋转机械的状态监测与故障诊断之中。现有基于信息熵的振动信号复杂度测量计算其健康指数的方法具有较好的计算效率，能够从振动时间序列中快速感知对象系统动力学行为的迅速变化。排列熵算法是具有代表性的一种计算振动时间序列信号复杂度的方法，但是由于机械系统一般处于多种不同的工作条件下，需要根据实际的条件来设置健康指数的参数来进行计算，而普通的排列熵无法根据条件来进行设置。因此本方法提出基于多尺度Tsallis排列熵对滚动轴承的健康指数进行计算，可根据对象的条件进行熵指数因子和尺度进行设置，并根据3σ方法计算报警阈值，实现滚动轴承退化状态阶段的确定。
技术实现思路
本专利技术的目的在于避免现有技术中的不足而提供一种滚动轴承退化状态阶段确定方法。本专利技术的目的通过以下技术方案实现：一种滚动轴承退化状态阶段确定方法，包括如下步骤：步骤1，采集表征滚动轴承稳定工作状态的振动信号并去噪处理，得到能够具体表征滚动轴承稳定工作状态的有用信号序列；步骤2，对步骤1得到的有用信号序列计算多尺度Tsallis排列熵值，得到健康状态指数时间序列；步骤3，根据步骤2得到的健康状态指数时间序列，计算平均值和方差值；步骤4，根据步骤3得到的平均值和方差值计算报警阈值，并根据多尺度Tsallis排列熵值组成时间序列的变化趋势，对滚动轴承退化阶段开始时间点进行识别。可选的，在步骤1中，表征滚动轴承稳定工作状态的振动信号是在相等间隔时间点采集而得，并具有一定时间长度。可选的，在步骤3中，多尺度Tsallis排列熵值的计算方法为：选定熵指数q和时间尺度s，对于第k个时间点测试得到的振动时间序列{xk(i),i＝1,2,…,r}，根据公式构建子时间序列其中N＝[r/s]表示对r/s取整数,s表示时间尺度，子时间序列的长度为N＝[r/s]；确定嵌入维数m和时间延迟τ，对时间序列ys(j),j＝1,2,…,N进行相空间重构如下：则任一Ys(i)中的m个实数可以按照增序排列如下：ys(j+(k1-1)τ)≤ys(j+(k2-1)τ)≤…≤ys(j+(km-1)τ)如果Ys(j)中ys(j)有相同的值且它们初始的位置为km-1≤km,则令ys(j+(km-1-1)τ)≤ys(j+(km-1)τ)；向量Ys(i)与S(l)＝(k1,k2,…,km)的符号向量一一对应，其中l＝1,2,…,K，K≤m！表示排列的最大个数，S(l),l＝1,2,…,K表示m！个符号排列中的一个；使表示K个符号排列对应的概率分布，则多尺度Tsallis排列熵定义为：可选的，在步骤3中，根据健康状态指数时间序列，计算平均值和方差值的方法为：可选的，在步骤4中，报警阈值根据3σ准则计算得到，其计算方法为：本专利技术所取得的有益效果：本专利技术基于在相等时间间隔下的时刻点在机械系统工作状态退化过程中采集的振动加速度时间序列信号，利用多尺度Tsallis排列熵能够较好感知机械系统状态突变的能力和可通过调节熵指数因子适应不同条件下机械系统状态监测的能力，实现滚动轴承退化状态阶段的确定，计算速度快且效果较好。附图说明从以下结合附图的描述可以进一步理解本专利技术，将重点放在示出实施例的原理上。图1为本专利技术的计算流程图；图2为本专利技术中某仿真信号多尺度Tsallis排列熵与多尺度排列熵在不同尺度因子下的比较图；图3为本专利技术中实例的滚动轴承退化过程多尺度Tsallis排列熵与传统指数的比较图。图4为本专利技术中实例的滚动轴承退化过程退化状态阶段的识别图。具体实施方式为了使得本专利技术的目的、技术方案及优点更加清楚明白，以下结合其实施例，对本专利技术进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本专利技术，并不用于限定本专利技术。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统、方法和/或特征将变得显而易见。旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内、包括在本专利技术的范围内，并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。本专利技术实施例的附图中相同或相似的标号对应相同或相似的部件；在本专利技术的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。本专利技术为一种滚动轴承退化状态阶段确定方法，根据图1-4所示讲述以下实施例：实施例一：请参照图1，一种滚动轴承退化状态阶段确定方法，包括如下步骤：步骤1，采集表征滚动轴承稳定工作状态的振动信号并去噪处理，得到能够具体表征滚动轴承稳定工作状态的有用信号序列；步骤2，对步骤1得到的有用信号序列计算多尺度Tsallis排列熵值，得到健康状态指数时间序列；步骤3，根据步骤2得到的健康状态指数时间序列，计算平均值和方差值；步骤4，根据步骤3得到的平均值和方差值计算报警阈值，并根据多尺度Tsallis排列熵值组成时间序列的变化趋势，对滚动轴承退化阶段开始时间点进行识别。在步骤4中，报警阈值是根据3σ准则计算得到，其计算方法为：3σ准则又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。3σ原则适用于有较多组数据的时候。3σ准则是建立在正态分布的等精度重复测量基础上而造成奇异数据的干扰或噪声难以满足正态分布。如果一组测量数据中某个测量值的残余误差的绝对值νi＞3σ，则该测量值为坏值，应剔除。通常把等于±3σ的误差作为极限误差，对于正态分布的随机误差，落在±3σ以外的概率只有0.27％，它在有限次测量中发生的可能性很小，故存在3σ准则。3σ准则是最常用也是最简单的粗大误差判别准则，它一般应用于测量次数充分多(n≥30)或当n＞10做粗略判别时的情况。正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N(μ,σ2)。μ是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小。正态分布以X＝μ为对称轴，左右完全对称。正态分布的期望、均数、中位数、众数相同，均等于μ。σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。3σ原则为：数值分布在(μ-σ,μ+σ)中的概率为0.6827，数值分布在(μ-2σ,μ+2σ)中的概率为0.954，数值分布在(μ-3σ,μ+3σ)中的本文档来自技高网...

【技术保护点】
1.一种滚动轴承退化状态阶段确定方法，包括如下步骤：步骤1，采集表征滚动轴承稳定工作状态的振动信号并去噪处理，得到表征滚动轴承稳定工作状态的有用信号序列；步骤2，利用步骤1得到的有用信号序列计算多尺度Tsallis排列熵值，得到健康状态指数时间序列；步骤3，计算步骤2得到的健康状态指数时间序列的平均值和方差值；步骤4，利用步骤3得到的平均值和方差值计算报警阈值，并根据多尺度Tsallis排列熵值组成时间序列的变化趋势，对滚动轴承退化阶段开始时间点进行识别。

【技术特征摘要】
1.一种滚动轴承退化状态阶段确定方法，包括如下步骤：步骤1，采集表征滚动轴承稳定工作状态的振动信号并去噪处理，得到表征滚动轴承稳定工作状态的有用信号序列；步骤2，利用步骤1得到的有用信号序列计算多尺度Tsallis排列熵值，得到健康状态指数时间序列；步骤3，计算步骤2得到的健康状态指数时间序列的平均值和方差值；步骤4，利用步骤3得到的平均值和方差值计算报警阈值，并根据多尺度Tsallis排列熵值组成时间序列的变化趋势，对滚动轴承退化阶段开始时间点进行识别。2.如权利要求1所述的一种滚动轴承退化状态阶段确定方法，其特征在于，在步骤1中，表征滚动轴承稳定工作状态的振动信号是在相等间隔时间点采集而得，并具有一定时间长度。3.如权利要求1所述的一种滚动轴承退化状态阶段确定方法，其特征在于，在步骤2中，多尺度Tsallis排列熵值的计算方法为：选定熵指数q和时间尺度s，对于第k个时间点测试得到的振动时间序列{xk(i),i＝1,2,…,r}，根据公式构建子时间序列其中N＝[r/s]表示对r/s取整数,s表...

【专利技术属性】
技术研发人员：蒋勉，卢清华，何宽芳，黄勇，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东,44