一种基于复合形态学滤波的滚动轴承故障诊断方法技术

本发明专利技术公开了一种基于复合形态学滤波的滚动轴承故障诊断方法。该方法包括采集滚动轴承的振动加速度信号；构造复合形态学算子；确定扁平结构元素的长度范围；对采集的振动加速度信号进行形态滤波处理，得到形态滤波信号；从得到的形态滤波信号中选择最优形态滤波信号；对最优形态滤波信号进行包络谱分析判断滚动轴承是否存在故障及故障类型。本发明专利技术为了解决现有技术中低信噪比情况下，组合形态学算子脉冲特征提取能力和噪声消除能力不足，不利于嘈杂工业环境下滚动轴承的故障诊断的问题，提出了用于增强重复瞬态脉冲特征提取的复合形态学算子来进行滚动轴承故障诊断，具有特征提取能力强，滚动轴承故障诊断准确率高的优点。

【技术实现步骤摘要】
一种基于复合形态学滤波的滚动轴承故障诊断方法
本专利技术涉及一种滚动轴承故障诊断方法，尤其涉及一种基于复合形态学滤波的滚动轴承故障诊断方法。
技术介绍
滚动轴承是旋转机械中的一种关键零部件，广泛应用于高速动车组、航空发动机和风电齿轮箱等。滚动轴承的健康状态对于机械设备的正常运行具有重要影响，滚动轴承出现故障可能导致重大的经济损失或严重的人身伤害。因此，对机械设备关键部位的滚动轴承进行故障诊断具有重要意义。形态学滤波是一种非线性信号处理技术，其基本原理是通过与结构元素的相互作用来修改信号的形态学特征，具有数学理论完善、原理简单和实施方便等特点。自从被引入到机械振动信号处理中，在旋转机械故障诊断领域得到了广泛的应用。形态学滤波功能通过具有滤波器特性的形态学算子来实现。研究表明基本形态学算子具有低通滤波的特性，不能有效提取信号中的重复瞬态脉冲特征。近年来，研究人员通过基本形态学算子的简单数学运算构造了组合形态学算子来提取机械振动信号中的故障脉冲特征。组合形态学算子虽然在提取高信噪比振动信号的故障脉冲特征时表现出较好的效果，但是在处理低信噪比振本文档来自技高网...

【技术保护点】
1.一种基于复合形态学滤波的滚动轴承故障诊断方法，其特征在于，包括以下步骤：/nS1、采集滚动轴承的振动加速度信号；/nS2、构造复合形态学算子；/nS3、根据所述步骤S1采集的振动加速度信号确定扁平结构元素的长度范围；/nS4、根据所述步骤S2构造的复合形态学算子和所述步骤S3确定的扁平结构元素长度范围，对所述步骤S1采集的振动加速度信号进行形态滤波处理，得到形态滤波信号；/nS5、从所述步骤S4得到的形态滤波信号中选择最优形态滤波信号；/nS6、对最优形态滤波信号进行包络谱分析判断滚动轴承是否存在故障及故障类型。/n

【技术特征摘要】
1.一种基于复合形态学滤波的滚动轴承故障诊断方法，其特征在于，包括以下步骤：
S1、采集滚动轴承的振动加速度信号；
S2、构造复合形态学算子；
S3、根据所述步骤S1采集的振动加速度信号确定扁平结构元素的长度范围；
S4、根据所述步骤S2构造的复合形态学算子和所述步骤S3确定的扁平结构元素长度范围，对所述步骤S1采集的振动加速度信号进行形态滤波处理，得到形态滤波信号；
S5、从所述步骤S4得到的形态滤波信号中选择最优形态滤波信号；
S6、对最优形态滤波信号进行包络谱分析判断滚动轴承是否存在故障及故障类型。


2.如权利要求1所述的一种基于复合形态学滤波的滚动轴承故障诊断方法，其特征在于：所述步骤S2具体包括选用两个具有相似的瞬态脉冲特征提取性能的形态学算子，采用在特征提取中具有理论优势的数学运算构造复合形态学算子。


3.如权利要求2所述的一种基于复合形态学滤波的滚动轴承故障诊断方法，其特征在于，所述步骤S3包括以下分步骤：
S31、识别所述步骤S1采集的振动加速度信号的所有局部极小值点并采用集合p＝{p1,p2,p3,…,pR}来表示其位置序列，其中pn为第n个局部极小值点的位置，R为局部极小值点的数量。
S32、计算相邻两个极小值点的间隔值，计算公式为：
li＝pi+1-pi+1(i＝1,2,…,R-1)
其中li表示第i个极小值点和第i+1个极小值点的间隔值，计算出所有间隔值后采用集合l＝{l1,l2,l3,…,lR-1}表示；
S33、基于所述步骤S32计算出的所有间隔值的集合，定义扁平型结构元素长度范围...

【专利技术属性】
技术研发人员：程尧，陈丙炎，张卫华，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51