一种基于移动窗口时域特征提取的轴承故障检测方法技术

本发明专利技术公开一种基于移动窗口时域特征提取的轴承故障检测方法，通过时域统计特征分析并结合使用移动窗口技术，实施基于轴承振动信号的轴承故障检测。具体来讲，本发明专利技术方法首先通过移动窗口将振动信号转变成由13个统计特征组成的多维特征向量。然后，本发明专利技术方法对在线实时测量到的振动信息实施相同的统计特征变换后，再使用局部异常因子来判断是否出现了故障。首先，本发明专利技术方法使用时域特征分析的手段从振动信号中提取相应的统计特征，转换过程不涉及复杂的运算，实施操作简单；其次，本发明专利技术方法使用局部异常因子来识别轴承的故障运行状态，充分利用了局部异常因子不受数据分布影响的优势，可以较好的处理轴承状态健康与故障的甄别问题。

【技术实现步骤摘要】
一种基于移动窗口时域特征提取的轴承故障检测方法
本专利技术涉及一种轴承故障检测方法，特别涉及一种基于移动窗口时域特征提取的轴承故障检测方法。
技术介绍
滚动轴承是一种精密标准机器部件，它在机械设备中应用非常广泛。然而，滚动轴承也是机器设备中最容易发生故障损坏的零件之一，这是因为滚动轴承承受冲击的能力较差，在突然的冲击荷载作用下易发生损坏。可以说，滚动轴承故障是机器设备失效的重要原因，据有关资料显示，由滚动轴承损伤造成的故障占机械故障总数的21％，因此滚动轴承的故障诊断十分重要。对滚动轴承进行有效的故障诊断不但可以防止机械工作精度下降，减少或杜绝事故发生，还可以最大限度地发挥轴承的工作潜能，确保大型机械设备系统的最大连续运行时间，节约相关维修开支。目前，振动信号分析是滚动轴承各种故障诊断方法中最成熟和应用最为广泛的一种方法。滚动轴承振动信号是一种非线性非平稳信号，通过对振动信号的分析便可以获得大量的运行状态信息，而特征提取是其中的关键问题。故障特征直接影响故障诊断的准确性和故障的可预知性。故障特征按提取方式的不同，主要可以分为：时域特征、本文档来自技高网...

【技术保护点】
1.一种基于移动窗口时域特征提取的轴承故障检测方法，其特征在于，包括以下步骤：/n步骤(1)：利用加速度振动传感器采集滚动轴承在健康运行状态下的振动信号数据，记为振动信号向量z∈R

【技术特征摘要】
1.一种基于移动窗口时域特征提取的轴承故障检测方法，其特征在于，包括以下步骤：
步骤(1)：利用加速度振动传感器采集滚动轴承在健康运行状态下的振动信号数据，记为振动信号向量z∈RN×1，并同时记录加速度振动传感器采集信号的频率f和滚动轴承的转动频率r；其中，RN×1表示N×1维的实数向量，N为振动信号数据的个数，频率的单位为赫兹；
步骤(2)：先设置移动窗口长度等于f除以r的商，再判断L是否小于200；若是，则将移动窗口长度设置为L＝200；若否，则不改变移动窗口长度；
步骤(3)：从振动信号向量z∈RN×1的第一个元素开始，利用移动窗口依次将z划分成n个L×1维的窗口向量x1，x2，…，xn，具体的实施过程如步骤(3.1)至步骤(3.3)所示：
步骤(3.1)：初始化i＝1；
步骤(3.2)：将振动信号向量z中的第(i-1)×L+1个元素至第i×L个元素组建成第i个窗口向量xi∈RL×1；其中，RL×1表示L×1维的实数向量；
步骤(3.3)：判断是否满足条件：(i+1)×L＞N；若否，则设置i＝i+1后，返回步骤(3.2)；若是，则得到n个L×1维的窗口向量x1，x2，…，xn；
步骤(4)：按照表1所列的13个公式分别计算窗口向量x1，x2，…，xn对应的时域特征向量y1，y2，…，yn；
表1：时域特征向量的13个元素计算方式



在表1中，表示时域特征向量yi∈R13×1中的第j个元素，j∈{1，2，…，13}，表示窗口向量xi∈RL×1中的第k个元素，k∈{1，2，…，L}，max{xi}和min{xi}分别表示xi中的最大值和最小值，i∈{1，2，…，n}；
步骤(5)：分别计算时域特征向量y1，y2，…，yn对应的局部密度指标D(y1)，D(y2)，…，D(yn)，具体的实施过程如步骤(5.1)至步骤(5.5)所示；
步骤(5.1)：从时域特征向量y1，y2，…，yn中搜寻出与第i个时域特征向量yi之间距离最小的K个时域特征向量，并按距离大小升序排列依次标记为后，再将yi的K阶距离记为其中，与yi之间的距离为下标号v∈{1，2，…，K}...

【专利技术属性】
技术研发人员：谢一凡，陈杨，陈勇旗，
申请(专利权)人：宁波大学科学技术学院，
类型：发明
国别省市：浙江;33