一种滚动轴承故障诊断系统技术方案

本发明专利技术公开了一种滚动轴承故障诊断系统。本发明专利技术针对滚动轴承故障诊断的问题，以排列熵辅助的组合模态分解算法结合奇异值分解算法的双重滤波信号特征提取。组合模态分解算法不仅实现了信号的初次滤波，而且克服了模态混叠现象，提高了计算实时性。奇异值分解二次滤波进一步准确地提取了轴承运行状态特征频率；运用多尺度散布熵能够从多角度表征轴承的故障状态，多尺度散布熵结合混合高斯连续隐马尔科夫故障诊断模型很大程度上提高了滚动轴承的故障诊断效率。

【技术实现步骤摘要】
一种滚动轴承故障诊断系统
本专利技术涉及到机械
，具体是一种滚动轴承故障诊断系统。
技术介绍
滚动轴承是机械设备中连接旋转部件与固定部件的“关节”，其工作状态决定着机械设备乃至生产线的运行状况。由滚动轴承导致旋转机械发生的故障率约为30％。目前滚动轴承故障诊断的技术主要有：振动诊断技术、声学诊断技术、油膜电阻诊断技术、温度诊断技术及铁谱诊断技术等，现有关于滚动轴承故障诊断的研究文献中有80％以上都是采用振动信号分析方法。本文专利技术综合经验模态分解和完全集合经验模态分解形成组合模态分分解特征提取技术，结合奇异值分解技术实现滚动轴承的二次降噪和特征提取。采用基于多尺度散布熵的混合高斯连续隐马尔科夫模型实现轴承运行状态识别与分类。本专利技术可使滚动轴承故障诊断率达到100％，较现有研究成果提高10％左右。通过故障诊断方法准确分析滚动轴承所处运行状态，实现轴承设备的科学运维以及生产的合理排产，延长设备的使用寿命，降低成本提高生产效率具有重要意义。
技术实现思路
针对现有滚动轴承故障诊断相关技术的不足，本专利技术提供了一种滚动轴承故障诊断系统，准确识别滚动轴承运行状态，提高滚动轴承的故障诊断的效率。本专利技术通过以下技术方案予以实现：一种滚动轴承故障诊断系统，其特征在于：第一步：滚动轴承故障信号组合模态分解初次滤波，过程如下：1)选取轴承的振动传感器的振动信号并进行信号分组，信号分组就是把时间连续的信号以时间段进行化分，计算各组原始振动信号的排列熵；a.若其排列熵小于0.618，选用固有经验模态分解进行原信号分解,分解得到固有模态分量和残余量，进入b；若其排列熵大于0.618，对其进行自适应噪声的完备集合经验模态分解，分解得到固有模态分量和残余量，进入b；b.判断残余量极值点数,若极值点数大于等于3，则重复a操作得到下一个固有模态分量和残余量；若极值点数小于3，将分解得到的所有固有模态分量相加得到原始信号初次滤波后的固有模态分量；2)选取原始信号初次滤波后的固有模态分量，计算相关系数和峭度值，选取相关系数大于0.1且峭度大于3的固有模态分量；并将其按峭度值大到小的固有模态分量依次叠加，每叠加一次计算一次其叠加信号的峭度值；最后选取峭度值最大的叠加信号作为最终重构信号；第二步：通过奇异值分解进行信号的二次滤波，过程如下：将第一步输出的长度为N滤波后的振动信号构造成m行n列Hankel矩阵，建立规则是行数m为N/2(N为偶数)或(N+1)/2(N为奇数)和列数n＝N+1-m，且m≥2、n＞2、m＜n，对Hankel矩阵进行奇异值分解，运用奇异值差分谱最大法确定奇异值的有效阶次，得到反映信号特征的新的奇异值矩阵S'，并据此矩阵进行奇异值分解逆运算，得到二次重构信号；第三步：提取故障诊断的输入特征向量，过程如下：滚动轴承振动状态信号经过组合模态分解滤波和奇异值分解滤波处理后，用多尺度散布熵进行特征表示；确定影响多尺度散布熵值的因素有嵌入维数m、延迟时间d和类别c，令m＝2、c＝6、d＝1，且取最大时间间隔τmax＝20，计算二次重构信号的多尺度散布熵值，将其作为故障诊断的输入特征向量；第四步：建立混合高斯连续隐马尔可夫滚动轴承故障诊断模型：将带标签的轴承故障历史数据经过第一步、第二部和第三步处理，计算得到重构信号的多尺度散布熵作为训练样本，计算混合高斯连续隐马尔可夫模型的模型参数λ＝(π,A,B)，其中A＝{aij}是状态转移概率分布，π＝{πi}是初始状态概率分布，B为观测值概率分布常用高斯混合分布来拟合，建立滚动轴承故障诊断模型；第五步：将采集的运行轴承的振动信号数据经过第一步、第二部和第三步处理，计算得到重构信号的多尺度散布熵，输入到第四步建立的模型中，采用最大似然概率对比法，确定振动信号属于那种运行状态。与现有技术相比，本专利技术的有益效果是：本专利技术针对滚动轴承故障诊断的问题，以排列熵辅助的组合模态分解算法结合奇异值分解算法的双重滤波信号特征提取。组合模态分解算法不仅实现了信号的初次滤波，而且克服了模态混叠现象，提高了计算实时性。奇异值分解二次滤波进一步准确地提取了轴承运行状态特征频率；运用多尺度散布熵能够从多角度表征轴承的故障状态，多尺度散布熵结合混合高斯连续隐马尔科夫故障诊断模型很大程度上提高了滚动轴承的故障诊断效率。附图说明图1本专利技术整体工作流程图。图2固有经验模态分解流程图。图3自适应噪声的完备集合经验模态分解算法流程图。图4混合高斯连续隐马尔可夫滚动轴承故障诊断模型流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示：第一步：滚动轴承故障信号组合模态分解初次滤波，实施过程如下：1.选取地滚动轴承的振动信号数据，计算所选信号的排列熵，若排列熵小于0.618，选用固有经验模态分解进行原信号分解，分解过程如图2所示：1)构造振动信号x(t)的上包络线v1(t)和下包络线v2(t)，即用三次样条插值法拟合含有x(t)所有局部极大值极小值点的上、下包络曲线，使所有极值点位于上、下包络线包络范围内；2)取上、下包络线的平均值m1(t)，即：3)分解x(t)得到固有经验模态分量，(1)分解得到第一个固有模态分量imf1(t)，取原始信号x(t)与包络线均值m1(t)的差为h1(t)，即：h1(t)＝x(t)-m1(t),条件1：原始分解信号序列所有极值总数与过零点总数和之差小于等于1；条件2：任意时刻，由被分解信号的局部极大值与局部极小值所构成的上下包络均值为零，即满足上下包络线时间轴对称要求。如果h1(t)同时满足条件1和条件2要求，将h1(t)被视为x(t)的imf1(t)，即：imf1(t)＝h1(t),若不同时满足条件1和条件2要求，将h1(t)视为新的原始数据x(t)，循环以上1)-3)步，重新判断h1(t)的上、下包络线平均值m11(t)之差满足固有模态分量定义条件与否，若满足，imf1(t)＝h1(t)-m11(t)＝h11(t)，若不满足，则x(t)＝h11(t)，循环执行1)至3)步，直至第k次分解产生固有模态分量达到假设条件要求，令h1k＝h1(k-1)-m1k，则h1k(t)记为imf1(t)，即：imf1(t)＝h1k(t),(2)分解得到第i个固有模态分量imfi(t),将imf1(t)与x(t)做差得原始信号的第一个残余分量表示为r1(t)，r1(t)＝x(t)-imf1(t),(3)计算r1(t)的排列熵，若排列熵大于本文档来自技高网...

【技术保护点】
1.一种滚动轴承故障诊断系统，其特征在于：/n第一步：滚动轴承故障信号组合模态分解初次滤波，过程如下：/n1)选取轴承的振动传感器的振动信号并进行信号分组，信号分组就是把时间连续的信号以时间段进行化分，计算各组原始振动信号的排列熵；/na.若其排列熵小于0.618，选用固有经验模态分解进行原信号分解,分解得到固有模态分量和残余量，进入b；/n若其排列熵大于0.618，对其进行自适应噪声的完备集合经验模态分解，分解得到固有模态分量和残余量，进入b；/nb.判断残余量极值点数,/n若极值点数大于等于3，则重复a操作得到下一个固有模态分量和残余量；/n若极值点数小于3，将分解得到的所有固有模态分量相加得到原始信号初次滤波后的固有模态分量；/n2)选取原始信号初次滤波后的固有模态分量，计算相关系数和峭度值，选取相关系数大于0.1且峭度大于3的固有模态分量；并将其按峭度值大到小的固有模态分量依次叠加，每叠加一次计算一次其叠加信号的峭度值；最后选取峭度值最大的叠加信号作为最终重构信号；/n第二步：通过奇异值分解进行信号的二次滤波，过程如下：/n将第一步输出的长度为N滤波后的振动信号构造成m行n列Hankel矩阵，建立规则是行数m为N/2(N为偶数)或(N+1)/2(N为奇数)和列数n＝N+1-m，且m≥2、n＞2、m＜n，对Hankel矩阵进行奇异值分解，运用奇异值差分谱最大法确定奇异值的有效阶次，得到反映信号特征的新的奇异值矩阵S'，并据此矩阵进行奇异值分解逆运算，得到二次重构信号；/n第三步：提取故障诊断的输入特征向量，过程如下：/n滚动轴承振动状态信号经过组合模态分解滤波和奇异值分解滤波处理后，用多尺度散布熵进行特征表示；确定影响多尺度散布熵值的因素有嵌入维数m、延迟时间d和类别c，令m＝2、c＝6、d＝1，且取最大时间间隔τ...

【技术特征摘要】
1.一种滚动轴承故障诊断系统，其特征在于：
第一步：滚动轴承故障信号组合模态分解初次滤波，过程如下：
1)选取轴承的振动传感器的振动信号并进行信号分组，信号分组就是把时间连续的信号以时间段进行化分，计算各组原始振动信号的排列熵；
a.若其排列熵小于0.618，选用固有经验模态分解进行原信号分解,分解得到固有模态分量和残余量，进入b；
若其排列熵大于0.618，对其进行自适应噪声的完备集合经验模态分解，分解得到固有模态分量和残余量，进入b；
b.判断残余量极值点数,
若极值点数大于等于3，则重复a操作得到下一个固有模态分量和残余量；
若极值点数小于3，将分解得到的所有固有模态分量相加得到原始信号初次滤波后的固有模态分量；
2)选取原始信号初次滤波后的固有模态分量，计算相关系数和峭度值，选取相关系数大于0.1且峭度大于3的固有模态分量；并将其按峭度值大到小的固有模态分量依次叠加，每叠加一次计算一次其叠加信号的峭度值；最后选取峭度值最大的叠加信号作为最终重构信号；
第二步：通过奇异值分解进行信号的二次滤波，过程如下：
将第一步输出的长度为N滤波后的振动信号构造成m行n列Hankel矩阵，建立规则是行数m为N/2(N为偶数)或(N+1)/2(N为奇数...

【专利技术属性】
技术研发人员：牛国成，胡冬梅，周振雄，孙继元，孟祥，刘柏生，
申请(专利权)人：北华大学，
类型：发明
国别省市：吉林;22