【技术实现步骤摘要】
一种滚动轴承故障诊断的方法、装置、介质及计算机设备
本申请属于故障诊断
，尤其涉及一种滚动轴承故障诊断的方法、装置、介质及计算机设备。
技术介绍
在旋转机械设备中，轴承是最常用的器件，也是最容易损坏的器件。轴承的故障能带来很大的经济损失，甚至带来人身伤害，因此对轴承进行监控和诊断十分必要。旋转机械设备的轴承一般工作条件较为复杂，当轴承出现故障时，冲击信号往往被背景噪声所淹没，振动信号的冲击不明显，信噪比低，对故障诊断的准确性带来很大影响，因此需要对采集的信号进行信号处理，提升故障信号的特征。目前，相关技术中主要通过对时域，频域以及时频域的信号进行分析，选取有效的信号信息进行故障信号的特征提升。常用的方法主要有信号滤波/去噪算法、信号分解方法、随机共振方法，以及其它信号解调方法等等。上述方法虽然能取得一定的滤波效果，但是均存在对应的缺点，影响滤波效果；特别是在振动信号包含有大量的背景噪声时，故障产生的冲击性信号被淹没、故障特征难以提取，导致提取的故障特征存在较大误差，影响故障诊断结果的精度。
【技术保护点】
1.一种滚动轴承故障诊断的方法，其特征在于，所述方法包括：/n基于预设的截取策略对滚动轴承的振动信号进行截取，获得初始信号；/n基于所述初始信号创建初始Hankel矩阵；所述初始Hankel矩阵的行数m基于公式
【技术特征摘要】
1.一种滚动轴承故障诊断的方法，其特征在于，所述方法包括：
基于预设的截取策略对滚动轴承的振动信号进行截取，获得初始信号；
基于所述初始信号创建初始Hankel矩阵；所述初始Hankel矩阵的行数m基于公式确定，所述初始Hankel矩阵的列数n基于公式n＝N-m+1确定；所述fr为所述滚动轴承的转动频率，所述fs为所述振动信号的采样频率；所述所述N为所述初始信号的数量；
利用自适应奇异值分解算法对所述初始Hankel矩阵进行重构，获得重构信号；所述重构信号为故障特征信号；
利用1.5维对称差分解析能量算子解调算法对所述重构信号进行解调，获得解调信号；
基于所述解调信号确定所述故障特征信号的1.5维能量谱；
基于所述故障特征信号的1.5维能量谱对所述滚动轴承进行故障诊断。
2.如权利要求1所述的方法，其特征在于，所述基于预设的截取策略对所述振动信号进行截取，获得初始信号，包括：
基于所述振动信号的长度确定截取长度2L，所述截取长度2L小于所述振动信号的长度且所述截取长度2L与所述振动信号长度的差值最小；
基于所述截取长度2L对所述振动信号进行截取，获得所述初始信号；其中，所述L为整数，所述振动信号的长度为所述fr为所述滚动轴承的转动频率。
3.如权利要求1所述的方法，其特征在于，所述利用自适应奇异值分解算法对所述初始Hankel矩阵进行重构，获得重构信号，包括：
利用自适应所述奇异值分解算法对所述初始Hankel矩阵进行分解，获得第一正交矩阵、第二正交矩阵及第一非负对角矩阵；
基于预设的筛选策略在所述第一非负对角矩阵中确定出有效奇异值，并将所述第一非负对角矩阵的无效奇异值置零，获得第二非负对角矩阵；
利用奇异值分解算法的逆变换策略对所述第一正交矩阵、所述第二正交矩阵及所述第二非负对角矩阵进行重构，获得重构Hankel矩阵；
利用相空间重构算法的逆变换策略对所述重构Hankel矩阵进行逆变换，获得所述重构信号。
4.如权利要求3所述的方法，其特征在于，所述基于预设的筛选策略在所述第一非负对角矩阵中确定出有效奇异值，包括：
基于公式φk＝σk-σk+1确定目标信号集合Φ，所述Φ＝(φ1，φ2，…，φn-1)；所述σk为所述第一非负对角矩阵中的第k个奇异值，所述σk+1为所述第一非负对角矩阵中的第k+1个奇异值，所述φk为所述第k个奇异值与第k+1个奇异值之间的差值，所述k＝1,2……n-1；所述n为所述第一非负对角矩阵的列数；
基于所述目标信号集合中各目标信号的值生成对应的曲线图；
确定所述曲线图中的至少一个波峰值；
基于所述波峰值确定所述有效奇异值的数量γ；
将所述第一非负对角矩阵中前γ个奇异值确定为所述有效奇异值。
5.如权利要求4所述的方法，...
【专利技术属性】
技术研发人员：廖志强，宋雪玮，贾宝柱，尹建川，徐进，纪然，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。