一种基于TQWT辅助SPC的轴承状态监测及故障诊断的方法技术

本发明专利技术提供了一种基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，该方法的核心是TQWT具有提取轴承故障振动特性的能力。包括如下步骤：S1，将正常情况下的振动数据利用TQWT分解成不同的小波系数；S2，在状态监控中的主小波系数和剩余系数来确定两个安全指标来进行状态监测；S3，通过非参数统计和指标的单边置信限来确立控制上限；S4，建立多尺度小波系数的休哈特控制图来进行故障诊断；S5，将故障的信号利用反TQWT进行重建同时利用希尔伯特包络谱提升检测性能得出故障类型。该方法的创新避免了使用维纳分布而导致对数据的分布及稳定性进行过多的假设，同时该方法也能有效的分析出轴承的故障类型，是一种可以运用到工业应用中的方法。

A method of bearing condition monitoring and fault diagnosis based on tqwt assisted SPC

【技术实现步骤摘要】
一种基于TQWT辅助SPC的轴承状态监测及故障诊断的方法
本专利技术属于机械故障诊断
，具体涉及一种可变Q因子小波变换的信号处理和多尺度统计过程控制的状态监控和故障诊断方法。
技术介绍
在当代社会，轴承是大型机械系统中最重要，应用最广泛的部件之一。然而，轴承总是在高速，高负荷，恶劣环境下工作，这使得它们很容易出现缺陷。因此，轴承的状态监控和故障诊断是各大机械系统保证高可靠性，低成本和安全运行的关键。在多种信息来源中，振动信号包含损伤存在和故障类型的信息，所以振动信号是检测轴承故障的强有力的信号源。先从状态监控说起，针对状态监控，统计过程控制可以构建判别指标来评估系统的健康状态。轴承的状态监控一般可分为两个阶段。在第一阶段，轴承在正常状态下工作，并得出安全指标，控制限也在正常工作下计算，并且同时检测新收集的数据；在第二阶段，一旦安全指标发生变化，就意味着轴承进入了异常状态。而建立与时域振动信号相关的安全指标是直接、便捷的方法。接着是故障分析，近些年来，人们提出了许多机械故障诊断和信号处理的方法，在故障诊断方面，缺陷轴承的信号包括与故障相关的瞬态信号和背景噪声。因为与故障相关的瞬态和背景噪声的时频特性是不同的，所以可以提取和分析与故障相关的瞬态信号来进行轴承故障的诊断，而小波分解方法是轴承故障检测中应用最为广泛的时频方法之一。综上所述，由于统计过程控制和小波变换在各自方向有良好的性能，所以有关于小波变换和统计过程控制相结合的状态监控和故障诊断的方法。该方法可以将被测信号按一定的类型根据小波变换分解成不同尺度的小波系数，然后为每一个量构建一个表来当作健康系数。然而这样不仅操作复杂，而且需要事先选择一个特殊的母波，因为不同的母波会导致不同的性能。值得注意的是，不论是与故障相关的瞬态信号，还是背景噪声，都有不同的振荡特性。这样会使得小波变换异常复杂。
技术实现思路
为此，这本专利技术使用可调Q因子的小波变换(TQWT)，仅仅需要调整Q因子，来改变基函数，而不同的基函数有不同的的震荡特性，这样就会更为简便。鉴于上述，本专利技术提供了基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，该方法能够更好的识别故障轴承的位置，以及分析故障轴承的故障种类，并且对数据的分布和稳定性有更少的假设，实现对轴承的状态检测和故障诊断。本专利技术是通过以下技术方案实现的：一种基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，包括：S1，将正常情况下的轴承振动数据利用可调Q因子的小波变换TQWT分解成若干个尺度的小波系数，其中TQWT可参数化为Q因子Q和冗余度r；S2，将分解后得到的若干尺度的小波系数进行能量监测，并将其分解成若干尺度的小波系数分为主小波系数和剩余小波系数，将主小波系数和剩余小波系数所得到的能量来确定这两个安全指标，并利用这两个安全指标进行状态监测，所述两个安全指标可以标记为M和L；S3，得出所述两个安全指标之后，设置一个显著性水平α，利用自助法分别得到M、L所对应的主小波系数控制上限和剩余小波系数控制上限这时候再收集需要检测的轴承信号，同样利用S1,S2，得到新的M、L并与之前所得到正常情况下轴承振动的控制限进行比较；S4，通过比较结果，若发现有故障存在，可以利用多尺度统计过程控制MSSPC给每一尺度建立多尺度小波系数列表来找出哪一个尺度下的轴承信号出现了故障；S5，将那一尺度下故障的信号利用反TQWT进行重建，同时利用希尔伯特包络谱方法提取出故障信号的特征频率得出故障类型。进一步，所述S1中，Q因子可以定义为带通滤波器中心频率与带宽之比，而Q的数值越高，代表小波有更多的信号变化和更多的震荡周期；冗余度r可通过无穷级数计算得出，通过使用尽可能大的冗余度r，这样可以更多的进行TQWT连续小波变换，而TQWT是通过应用双通道滤波器组在其低通信道上进行迭代，然后通过低通缩放LPS和高通缩放HPS操作来实现的，TQWT线性因子Φ，小波系数wy，信号y可如下表示：wy＝Φy.进一步，所述S2中，两个安全指标可表示为：其中rm是第m层的能量分频，可以表示为em可以解释为最大能量的80％，而el可以解释为剩余能量，ej是第J尺度所产生的能量，表示如下：其中是第J尺度的小波系数，lj是第J尺度分解后的小波系数的长度。进一步，所述S3中，所得到被检测的轴承信号的安全指标M、L，如果或则代表至少有一个故障发生；所述的自助法为：对正常的轴承数据进行有放回的抽样，样本服从均值为μ，标准差为σ的正态分布，对于已知的α，从而得到n为总样本数。进一步，所述S4中，对建立的每一尺度的控制线因为有较大的可能被噪声干扰，这样能量频散rj可能受到较大的影响，所以对于任意来自新数据集的rj，如果在控制线之外，代表第J尺度很大可能发生了状态改变，而对于这样的rj下的控制上限和控制下限通过下式来减小误差：其中能量频散ej是第J尺度下的能量，是rj的标准差；所述多尺度统计过程控制为：将分解尺度能量比率图列表,通过比较rj来得出那个尺度下存在故障。进一步，所述S5中包括，如果的时候，那就代表着第j尺度包含错误信息，这时候就需要对故障信号进行重建，并得到希尔伯特包络谱，分析故障轴承的故障类型；上述重建的过程为：先通过低通缩放LPS和高通缩放，而后应用双通道滤波器组在其低通信道上进行反向迭代；所述希尔伯特包络方法为：是直接对信号进行希尔伯特变换后构造解析函数，然后依据解析函数求模值，求的模值即为包络，然后对信号包络进行快速傅里叶变换后得到的即为希尔伯特包络谱：为解析函数，A(t)eiθ(t)为复包络，e-iωt为载波信号，A(t)为幅值，θ(t)为相位。基于上述技术方案，本专利技术具有以下有益技术效果：(1)该方法不仅可以监控过程，还可以识别故障轴承的位置，并且分析故障轴承的故障种类；(2)该方法对数据的分布和稳定性有更少的假设；(3)若该方法运用在铁路系统，它对铁路的单轴和多轴的轴承缺陷都可以进行状态监控和故障检测。本方法最大的创新是提出了一种统计方法，通过构建两个统计量，一个是主导量，另一个是剩余量，与传统的基于小波变换的统计过程控制方法(SPC)总是建立数值基于阈值构建的小波系数不同，这两个统计量能够更好的监控状态，防止数据丢失。该方法与其他方法相比的优势：首先，该方法不仅可以监控过程，还可以识别故障轴承的位置，并且分析故障轴承的故障种类；其次，该方法对数据的分布和稳定性有更少的假设；最后，若该方法运用在铁路系统，它对铁路的单轴和多轴的轴承缺陷都可以进行状态监控和故障检测。并且与维纳分布作比较，该方法在故障诊断
有更强的有效性和实用性。可见，该方法在故障诊断
有良好的性能，可以应用到真实的工业应用当中。附图说明图1为本专利技术基于TQWT辅助SPC的轴承状态监测及故障诊断的方法的流程示意图；图2为实施例中48本文档来自技高网...

【技术保护点】
1.一种基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，其特征在于，包括：/nS1，将正常情况下的轴承振动数据利用可调Q因子的小波变换TQWT分解成若干个尺度的小波系数，其中TQWT可参数化为Q因子Q和冗余度r；/nS2，将分解后得到的若干尺度的小波系数进行能量监测，并将其分解成若干尺度的小波系数分为主小波系数和剩余小波系数，将主小波系数和剩余小波系数所得到的能量来确定这两个安全指标，并利用这两个安全指标进行状态监测，所述两个安全指标可以标记为M和L；/nS3，得出所述两个安全指标之后，设置一个显著性水平α，利用自助法分别得到M、L所对应的主小波系数控制上限和剩余小波系数控制上限

【技术特征摘要】
1.一种基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，其特征在于，包括：
S1，将正常情况下的轴承振动数据利用可调Q因子的小波变换TQWT分解成若干个尺度的小波系数，其中TQWT可参数化为Q因子Q和冗余度r；
S2，将分解后得到的若干尺度的小波系数进行能量监测，并将其分解成若干尺度的小波系数分为主小波系数和剩余小波系数，将主小波系数和剩余小波系数所得到的能量来确定这两个安全指标，并利用这两个安全指标进行状态监测，所述两个安全指标可以标记为M和L；
S3，得出所述两个安全指标之后，设置一个显著性水平α，利用自助法分别得到M、L所对应的主小波系数控制上限和剩余小波系数控制上限这时候再收集需要检测的轴承信号，同样利用S1,S2，得到新的M、L并与之前所得到正常情况下轴承振动的控制限进行比较；
S4，通过比较结果，若发现有故障存在，可以利用多尺度统计过程控制MSSPC给每一尺度建立多尺度小波系数列表来找出哪一个尺度下的轴承信号出现了故障；
S5，将那一尺度下故障的信号利用反TQWT进行重建，同时利用希尔伯特包络谱方法提取出故障信号的特征频率得出故障类型。


2.根据权利要求书1中所述的基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，其特征在于，所述S1中，Q因子可以定义为带通滤波器中心频率与带宽之比，而Q的数值越高，代表小波有更多的信号变化和更多的震荡周期；冗余度r可通过无穷级数计算得出，通过使用尽可能大的冗余度r，这样可以更多的进行TQWT连续小波变换，而TQWT是通过应用双通道滤波器组在其低通信道上进行迭代，然后通过低通缩放LPS和高通缩放HPS操作来实现的，TQWT线性因子Φ，小波系数wy，信号y可如下表示：
wy＝Φy。


3.根据权利要求书1中所述的基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，其特征在于，所述S2中，两个安全指标可表示为：






其中rm...

【专利技术属性】
技术研发人员：樊薇，焦之远，许桢英，韩丽玲，刘玉芹，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32