强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法技术

本发明专利技术涉及一种强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法，其特征在于，包括以下步骤：在待测轴承座的水平方向与竖直方向分别安装加速度传感器，采集轴承的水平方向振动加速度信号及竖直方向振动加速度信号；建立目标成本函数，通过交替方向乘子法迭代分别计算得到水平方向振动加速度信号及竖直方向振动加速度信号的水平方向周期性故障脉冲信号及竖直方向周期性故障脉冲信号。本发明专利技术无须事先预知任何先验知识，可成功提取含噪信号中隐藏的未知周期脉冲的周期信息，脉冲分离准确性高、稳定性强。本发明专利技术能够大幅度降低背景工况与系统结构噪声的干扰，提取得到的故障周期性瞬时脉冲序列清晰，无混叠。

Periodic pulse sparse separation and diagnosis method of bearing fault under strong background noise

【技术实现步骤摘要】
强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法
本专利技术涉及一种机械故障诊断与信号处理方法，尤其是涉及一种强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法。
技术介绍
轴承作为旋转机械设备的关键零部件，广泛应用于各类商业与工业工程领域，如风力发电、汽车变速箱、高铁、船舶与航天发动机等。轴承在设备运转期间的健康状态监测关系到整机系统的性能、安全与寿命，准确及时的监测轴承服役时退化状态，对于系统的可靠运行、企业生产以及操作人员的生命安全具有极其重要的研究意义。通常，轴承元件存在局部故障时，如内圈点蚀、外圈剥落、滚珠磨损等，伴随着系统的运行会激起一系列周期性故障脉冲冲击信号，此周期性故障脉冲信号是轴承健康状态监测的关键信息。然而，在实际工程中，由于外界噪声的干扰与系统结构的影响等原因，有用的故障脉冲信号往往淹没在外界噪声中，因此，从实际观测信号中有效地分离出周期性故障脉冲信号是近年来机械故障诊断领域的难点。
技术实现思路
本专利技术的目的是：从实际观测信号中有效地分离出周期性故障脉冲信号。为了达到上述目的，本专利技术的技术方案是提供了一种强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法，其特征在于，包括以下步骤：步骤1、在待测轴承座的水平方向与竖直方向分别安装加速度传感器，采集轴承的水平方向振动加速度信号及竖直方向振动加速度信号步骤2、建立目标成本函数：式中，表示待估计小波变换系数；ω表示小波变换系数；F(ω)表示目标成本函数；y表示步骤1获得的水平方向振动加速度信号或竖直方向振动加速度信号；λj表示时间尺度j下的正则化参数；变换系数x的连续小波变换为：ωj，k＝Wj，kx，式中，Wj，k为平移尺度j与时间尺度k下的小波变换，y＝Ax+w，A表示带Toeplitz矩阵，w表示背景噪声或干扰分量；aj表示罚函数尺度系数；φ(ωj，k；aj)表示非凸罚函数；β表示正则化参数；D表示一阶微分矩阵；步骤3、将步骤1获得的水平方向振动加速度信号及竖直方向振动加速度信号分别输入步骤2建立的目标成本函数中，通过交替方向乘子法迭代分别计算得到水平方向振动加速度信号及竖直方向振动加速度信号的通过小波逆变换计算得到水平方向周期性故障脉冲信号及竖直方向周期性故障脉冲信号，将周期性故障脉冲信号定义为则有优选地，在所述步骤3之后，还包括：利用Hilbert包络解调方法对水平方向周期性故障脉冲信号及竖直方向周期性故障脉冲信号进行包络解调，提取轴承故障特征频率及其倍频，与理论故障特征频率进行对比，识别出轴承故障位置。本专利技术提出的方法可有效滤除干扰分量与严重背景噪声，同时分离了隐含在噪声中的周期性故障脉冲信号。与现有技术相比，本专利技术具有以下优点：一、相比传统信号滤波方法，本专利技术无须事先预知任何先验知识，可成功提取含噪信号中隐藏的未知周期脉冲的周期信息，脉冲分离准确性高、稳定性强。二、本专利技术利用非凸罚Daubechies小波函数与全变分算法构造正则化目标成本函数，目标成本函数具有严格凸性。三、本专利技术能够大幅度降低背景工况与系统结构噪声的干扰，提取得到的故障周期性瞬时脉冲序列清晰，无混叠，解调得到的故障特征频率幅值高，故障谐波分量明显，适合于轴承或齿轮箱等其他旋转机械设备的实时故障巡检与避免突发性故障发生，可为企业设备健康管理提供重要的理论依据。附图说明图1为本专利技术的方法流程图；图2为本专利技术具体实施方式所涉及的实验平台示意图，图中，1表示输入轴非驱动端，2表示故障轴承，3表示输出轴非驱动端，4表示输入轴驱动端，5表示输出轴驱动端；图3(a)为水平方向采集的原始振动加速度信号时域波形；图3(b)为竖直方向采集的原始振动加速度信号的包络谱；图3(c)为水平方向原始振动加速度信号时域波形；图3(d)为竖直方向原始振动加速度信号的包络谱；图4(a)为利用本专利技术方法得到的水平方向故障周期性脉冲；图4(b)为水平方向故障周期性脉冲信号的包络谱；图4(c)为利用本专利技术方法得到的竖直方向故障周期性脉冲；图4(d)为竖直方向故障周期性脉冲信号的包络谱。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。本专利技术提供了一种强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法，包括以下步骤：步骤1、在待测轴承座的水平方向与竖直方向分别安装加速度传感器，采集轴承的振动加速度信号。步骤2、利用本专利技术方法分离出故障周期性瞬时脉冲信号，去除外界干扰噪声，具体包括以下步骤：1)一般地，振动传感器采集的设备故障观测信号可表达为y＝x0+w＝Ax+w，式中，为背景噪声或干扰分量，为周期性故障脉冲信号，为变换系数，矩阵带Toeplitz矩阵。传统最小化L1范数方法，利用线性最小二乘模型可估计周期性故障脉冲信号，即式中，表示周期性故障脉冲信号，F(x)为目标成本函数，为二次数据保真项，其中为罚函数(即L1-norm范数)，λ0与λ1表示正则化参数，为一阶微分矩阵，即矩阵D决定故障脉冲信号的稀疏性。传统最小化L1-norm范数法可通过全变分模型与软阈值算法进行求解，即其中Soft(·，·)为软阈值函数为Tvd(·，·)为全变分模型，其表达式为式中Prox(·)为当时信号y的临近算子。2)若给定一信号x，其连续小波变换为其中i与j分别为母小波平移因子与时间因子。信号x的连续小波变换可简化为ωi，j＝Wi，jx，其中Wi，j为平移尺度i与时间尺度j下的小波变换，ωi，j表示平移尺度i与时间尺度j下的小波变换系数。根据移不变特性与Parseval定理WTW＝I，小波变换系数ω可利用模型计算得到，式中，表示待估计小波变换系数，λj与β为正则化参数，aj表示罚函数尺度系数。在平移尺度i与时间尺度j下，小波变换系数ω的二范数满足最终周期性故障脉冲信号可通过小波逆变换计算得到，即3)建立的目标成本函数模型中，其中φ(x；a)＝φ(ωj，k；a)，a≥0为非凸罚函数，其满足以下7个条件：(I)罚函数φ(x；a)在连续；(II)罚函数φ(x；a)在上二阶可导；(III)罚函数φ(x；a)为对称函数，即φ(-x；a)＝φ(x；a)；(IV)φ′(x；a)＞0，(V)φ″(x；a)≤0，(VI)φ′(0+；a)＝1；(VII)假设非凸罚函数φ(x；a)满足上述7个条件，对于每个尺度j，若满足0≤aj＜1/λj，则提出目标成本函数具有严格凸性。4)建立的目标成本函数具有严格凸性，其证明过程如下：提出的目标成本函数可进一步表达为由于最后一项L1-norm范数β||DWTω||1为凸函数，因此要证明目标成本函数具有严格凸性，只需证明公式F(ω)中第一项本文档来自技高网...

【技术保护点】
1.一种强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法，其特征在于，包括以下步骤：/n步骤1、在待测轴承座的水平方向与竖直方向分别安装加速度传感器，采集轴承的水平方向振动加速度信号及竖直方向振动加速度信号；/n步骤2、建立目标成本函数：/n

【技术特征摘要】
1.一种强背景噪声下轴承故障周期性脉冲稀疏分离与诊断方法，其特征在于，包括以下步骤：
步骤1、在待测轴承座的水平方向与竖直方向分别安装加速度传感器，采集轴承的水平方向振动加速度信号及竖直方向振动加速度信号；
步骤2、建立目标成本函数：



式中，表示待估计小波变换系数；ω表示小波变换系数；F(ω)表示目标成本函数；y表示步骤1获得的水平方向振动加速度信号或竖直方向振动加速度信号；λj表示时间尺度j下的正则化参数；变换系数x的连续小波变换为：ωj,k＝Wj,kx，式中，Wj,k为平移尺度j与时间尺度k下的小波变换，y＝Ax+w，A表示带Toeplitz矩阵，w表示背景噪声或干扰分量；aj表示罚函数尺度系数；φ(ωj,k；aj)表示...

【专利技术属性】
技术研发人员：李庆，梁越昇，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海;31