基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法技术

本发明专利技术公开一种基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，属于故障诊断技术领域。该方法步骤如下：采集待诊断轴承的变工况下故障原始信号；采用非线性模式分解对采集原始故障信号进行分解；采用多尺度分散熵指标对所得分量进行计算，得到其多尺度分散熵偏均值；选取最大偏均值对应的分量；采用阶比分析识别轴承的故障类型。本发明专利技术通过非线性模式分解对变工况轴承故障信号进行分解，采用多尺度散步熵指标‑‑‑偏均值选取含故障信息最多的分量，能够准确的判断故障类型。

Fault diagnosis method of bearing under different working conditions based on multi-scale decentralized entropy partial mean and nonlinear mode decomposition

【技术实现步骤摘要】
基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法
：本专利技术涉及故障诊断
，特别涉及到一种基于多尺度分散熵偏均值与非线性模式分解(NMD)的变工况轴承故障诊断方法。
技术介绍
：滚动轴承在旋转机械中应用广泛，同时它也是最容易损坏的零件之一，尤其在转速变化剧烈的情况下更易损坏。此工况下产生的时变信号往往表现为非平稳性，其故障特征频率随着转速的改变而变化，一些不易反映的微弱故障特征也可能表露出来，以致于常规的对平稳信号进行分析的方法失去作用。因此，开展针对变转速工况下的轴承故障诊断具有重要的意义。近年来，经验模态分解，集合经验模态分解，变分模态分解，局部均值分解，非线性模式分解等已经被广泛的应用到机械故障诊断领域，并取得了非常好的故障诊断效果。非线性模式分析是一种基于时频分析对信号进行分解的新方法。在分解过程中，NMD利用小波变换和加窗傅里叶变换两种时频分析方法准确的识别谐波，利用脊线法与直接法对识别到的谐波进行重构，通过对重构分量进一步分析判断，从而完成信号分解。但是，当原始信号中噪声或无关分量干扰较大时，两种时频分析法将无法有效识别时频分量，导致分解产生的残余分量仍具有丰富的故障信息，其分解精确度将受到严重的影响。
技术实现思路
：本专利技术针对非线性模式分解方法的不足以及变工况下滚动轴承信号的复杂性，提供一种基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法。本专利技术能够克服非线性模式分解处理复杂信号时无法准确选取有效分量的问题；其次，能够针对变工况下轴承产生的时变信号进行准确诊断，克服传统阶比分析法处理复杂时变信号时的无效性。本专利技术所提方法，在处理时变信号时，能够准确的选取包含故障特征的分量，具有较高的故障识别度。本专利技术提供一种基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，该方法包括如下步骤：(1)采集待诊断轴承的变工况下的原始故障信号；(2)采用非线性模式分解对所述原始故障信号进行分解得到分量；(3)采用多尺度分散熵指标对所述分量进行计算，得到其多尺度分散熵偏均值；(4)选取最大偏均值对应的分量；(5)采用阶比分析识别轴承的故障类型。所述步骤(2)的具体步骤如下：(2-1)对获取的原始时变信号x(t)进行小波变换；(2-2)对小波变换识别到的分量，使用脊线法提取其时频脊线，即分量中由脊点(振幅峰值)组成的序列；(2-3)采用脊线法对主谐波进行重构，主谐波的脊线指使路径函数最大的峰值序列，因此由步骤(2-2)提取脊线后，采用脊线重构公式进行重构；对于小波变换，脊线重构公式为：式中，vr(t)表示脊线法对应频率；ωp(t)表示脊线；δlnνd(t)表示主谐波脊线离散化的修正系数；Ar(t)表示脊线法对应幅值；Φ(t)表示相位；Ws(·)表示小波变换；x+(·)表示取正值部分；ω表示频率；ωψ表示小波峰值频率；u与ξ分别表示时间t在时域与频域的另一种表达；ψ(t)表示对数正态小波基函数；与ψ*(t)分别为对数正态小波基函数的傅里叶变换和复共轭函数；表示原始信号傅里叶变换；ωψ为小波峰值频率；(2-4)选取最优时频变换，为了融入加窗傅里叶变换和小波变换的优势，需要自适应的对其进行选择，而两者最优性的判断准则取决于给定信号的结构。最优时频变换的经验公式为：式中，表示求导；当K<1时，选择加窗傅里叶变换，否则，继续选用小波变换；若选择加窗傅里叶变换，则对信号s(t)进行加窗傅里叶变换；(2-5)针对不同的时频分析选择不同的重构方法，为了使重构的谐波更加精确，引入直接法，并结合脊线法对谐波进行重构，对于加窗傅里叶变换，采用脊线法与直接法进行重构。采用脊线法与直接法进行重构，脊线法重构公式为：νr(t)＝ωp(t)+δνd(t)式中，δνd(t)表示离散化修正系数；g(·)表示高斯窗函数；表示g(·)的傅里叶变换；而其直接法重构公式为：式中，vd(t)表示直接法对应频率；Re[·]表示取复数实部的运算符；对于小波变换，直接法重构公式为：式中，Ad(t)表示直接法对应幅值；为了使重构更精确，对重构后得到的谐波参数进行加权平均，得：式中，表示加权幅值；表示加权相位；表示加权频率；A(h)(t)表示h次谐波的幅值；A(h′)(t)表示各谐波幅值；min(·)表示寻找最小值；I[·]表示取整，且：ΔΦh′h(t)≡hΦ(h′)(t)-h′Φ(h)(t)式中，Φ(h)(t)表示h次谐波相位；Φ(h′)(t)表示各谐波相位；arg(·)表示取复数辐角的运算符；脊线法具有噪声鲁棒性，而直接法易受噪声干扰；当噪声较小时，比起脊线法，直接法重构更精确，而噪声较大时，脊线法更精确；因此，针对不同的情况，非线性模式分解自适应的选择重构方法；计算差异值为：式中，为调整系数，d表示直接法，r表示脊线法；根据经验公式：当时，选取直接法进行重构，当时，选取脊线法进行重构。(2-6)提取次谐波，根据提取得到的主谐波，其脊频率为而h次谐波的脊线为最接近的峰值序列；找到脊线后，用直接法与脊线法对次谐波进行重构，根据所述步骤(2-5)中的差异值确定最优重构方法，从而确定次谐波参数A(h)(t)，Φ(h)(t)，ν(h)(t)；(2-7)辨别真实谐波，提取次谐波后，为防止噪声或无关分量的干扰，需要确定其是否为真实谐波；为此，通过时移替代数据来检测谐波的真伪，针对主谐波和次谐波独立性检验的零假设进行检测；(2-8)得出分解结果，将上述提取得到的所有真实谐波相加，即可得到一个非线性模式分量；从原始信号中减去该非线性模式分量，然后对剩余信号重复进行分解，直到达到指定分解数量时，停止分解。所述步骤(3)的具体步骤如下：(3-1)计算每个所述分量的偏斜度，即为：式中，X′为均值，M0为众数，Me为中位数，SD表示原始数据的标准差。(3-2)计算多尺度分散熵指标，即多尺度分散熵偏均值为：PMMDE＝(1+|Ske(MDE)|/3)*mean(MDE)式中，Ske(MDE)与mean(MDE)分别表示τ个尺度上的多尺度分散熵的偏斜度及均值。所述步骤(4)具体是：通过步骤(3)所得多尺度分散熵偏均值选取故障信息最丰富的分量。所述步骤(5)的具体步骤如下：(5-1)确定阶比分析的最大分析阶次，依据采样定理可知，采样率应不大于最大分析阶次的2倍；(5-2)选取包含丰富故障信息的最佳分量对其进行角域重采样，得到重采样信号；(5-3)对所述重采样信号进行阶比分析，得到其包络阶次谱，本文档来自技高网...

【技术保护点】
1.基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，其特征在于该方法包括如下步骤：/n(1)采集待诊断轴承的变工况下的原始故障信号；/n(2)采用非线性模式分解对所述原始故障信号进行分解得到分量；/n(3)采用多尺度分散熵指标对所述分量进行计算，得到其多尺度分散熵偏均值；/n(4)选取最大偏均值对应的分量；/n(5)采用阶比分析识别轴承的故障类型。/n

【技术特征摘要】
1.基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，其特征在于该方法包括如下步骤：
(1)采集待诊断轴承的变工况下的原始故障信号；
(2)采用非线性模式分解对所述原始故障信号进行分解得到分量；
(3)采用多尺度分散熵指标对所述分量进行计算，得到其多尺度分散熵偏均值；
(4)选取最大偏均值对应的分量；
(5)采用阶比分析识别轴承的故障类型。


2.根据权利要求1所述基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法，其特征在于所述步骤(2)的具体步骤如下：
(2-1)对获取的原始时变信号x(t)进行小波变换；
(2-2)对小波变换识别到的分量，使用脊线法提取其时频脊线，即分量中由脊点组成的序列；
(2-3)采用脊线法对主谐波进行重构，主谐波的脊线指使路径函数最大的峰值序列，因此由步骤(2-2)提取脊线后，采用脊线重构公式进行重构；对于小波变换，脊线重构公式为：









式中，vr(t)表示脊线法对应频率；ωp(t)表示脊线；δlnνd(t)表示主谐波脊线离散化的修正系数；Ar(t)表示脊线法对应幅值；Φ(t)表示相位；Ws(·)表示小波变换；x+(·)表示取正值部分；ω表示频率；ωψ表示小波峰值频率；u与ξ分别表示时间t在时域与频域的另一种表达；ψ(t)表示对数正态小波基函数；与ψ*(t)分别为对数正态小波基函数的傅里叶变换和复共轭函数；表示原始信号傅里叶变换；ωψ为小波峰值频率；
(2-4)选取最优时频变换，最优时频变换的经验公式为：






式中，表示求导；当K<1时，选择加窗傅里叶变换，否则，继续选用小波变换；若选择加窗傅里叶变换，则对信号s(t)进行加窗傅里叶变换；
(2-5)采用脊线法与直接法进行重构，脊线法重构公式为：
νr(t)＝ωp(t)+δνd(t)






式中，δνd(t)表示离散化修正系数；g(·)表示高斯窗函数；表示g(·)的傅里叶变换；而其直接法重构公式为：












式中，vd(t)表示直接法对应频率；Re[·]表示取复数实部的运算符；
对于小波变换，直接法重构公式为：












式中，Ad(t)表示直接法对应幅值。
为了使重构更精确，对重构后得到的谐波参数进行加权平均，得：









式中，表示加权幅值；表示加权相位；表示加权频率；A(h)(t)表示h次谐波的幅值；A(...

【专利技术属性】
技术研发人员：郑近德，刘庆运，丁克勤，王兴龙，潘海洋，童靳于，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：安徽;34