一种基于特征向量基线法的滚动轴承故障检测方法技术

本发明专利技术涉及一种基于特征向量基线法的滚动轴承故障检测方法，属于轴承故障诊断技术领域。本发明专利技术通过获取轴承各设定测点正常工况的振动数据建立基线特征征兆库，基线特征征兆库中包括轴承各零部件相应测点正常工况时的频谱特征，将实时采集的振动数据进行频谱特征提取作为实时特征，将实时特特征与基线特征征兆库中的特征数据进行比较，当某个特征的实时特征值超过对应基线特征值的设定比例，则认为此特征对应的滚动轴承零件发生了故障，以此实现对各滚动轴承的故障的检测。本发明专利技术以正常工况的数据为基准，将实时振动数据与正常工况比较，提高了滚动轴承故障检测的准确度。

A fault detection method of rolling bearing based on eigenvector baseline method

【技术实现步骤摘要】
一种基于特征向量基线法的滚动轴承故障检测方法
本专利技术涉及一种基于特征向量基线法的滚动轴承故障检测方法，属于轴承故障诊断

技术介绍
滚动轴承是旋转机械中最常用的支撑型部件，也是最容易发生故障的零部件之一，对滚动轴承的精确故障诊断有着重要的经济及安全意义。在滚动轴承故障的实际工程应用中，限于人员技术经验、专业知识的限制，往往不能实现滚动轴承故障诊断的快速化、集群化。随着网络技术及人工智能的普及应用，基于Web技术的滚动轴承智能诊断方法有效的解决了上述问题。目前，滚动轴承智能诊断方法主要有两种：一是基于智能算法(如支持向量机、隐马尔可夫等)的滚动轴承智能诊断，二是基于规则的滚动轴承智能诊断。前者在理论上取得了广泛的成绩，例如，申请公布号为CN109612732A的中国专利申请文件，该文件公开了一种基于解卷积和包络谱的滚动轴承故障诊断方法，该方法首先按照特定频率分别采集正常状态、内圈故障、外圈故障和滚动体故障状态下的振动数据，然后将振动信号进行VMD分解，并通过能量熵增量、峭度准则得到不同状态下可有效表征信号自身特性的模态分量；再本文档来自技高网...

【技术保护点】
1.一种基于特征向量基线法的滚动轴承故障检测方法，其特征在于，该故障检测方法包括以下步骤：/n1)对待测滚动轴承各设定测点的振动数据进行实时采集，并对采集的实时振动数据进行频谱特征提取，提取出滚动轴承不同零部件的频谱特征，并将其存储到实时特征征兆库；/n2)将实时特征征兆库与基线特征征兆库中的特征数据进行比较，若某个特征的实时特征值超过对应基线特征值的设定比例，则认为此特征对应的滚动轴承零件发生了故障；/n所述基线特征征兆库中的基线特征值是通过获取轴承各设定测点正常工况的振动数据，并对获取的振动数据进行频谱特征提取的方式确定。/n

【技术特征摘要】
1.一种基于特征向量基线法的滚动轴承故障检测方法，其特征在于，该故障检测方法包括以下步骤：
1)对待测滚动轴承各设定测点的振动数据进行实时采集，并对采集的实时振动数据进行频谱特征提取，提取出滚动轴承不同零部件的频谱特征，并将其存储到实时特征征兆库；
2)将实时特征征兆库与基线特征征兆库中的特征数据进行比较，若某个特征的实时特征值超过对应基线特征值的设定比例，则认为此特征对应的滚动轴承零件发生了故障；
所述基线特征征兆库中的基线特征值是通过获取轴承各设定测点正常工况的振动数据，并对获取的振动数据进行频谱特征提取的方式确定。


2.根据权利要求1所述的基于特征向量基线法的滚动轴承故障检测方法，其特征在于，轴承各设定测点正常工况的振动数据的选取原则：各测点两个方向的历史峭度指标未超过设定值、无峭度值指标野点且峭度指标平稳时间段对应的振动数据。


3.根据权利要求1所述的基于特征向量基线法的滚动轴承故障检测方法，其特...

【专利技术属性】
技术研发人员：王宏超，韩思蒙，雷文平，陈磊，胡鑫，李永耀，李凌均，韩捷，
申请(专利权)人：郑州恩普特科技股份有限公司，
类型：发明
国别省市：河南;41