【技术实现步骤摘要】
一种基于皮尔逊相关系数的混合域特征轴承故障诊断方法
[0001]本专利技术涉及一种基于皮尔逊相关系数的混合域特征轴承故障诊断方法,属于机械工程自动化
技术介绍
[0002]旋转机械作为机械系统的重要组成部分,在电力、冶金、化工、机械制造等领域有着广泛的应用。其健康状态不仅影响设备本身的安全稳定运行,而且直接影响到后期的生产。更严重的是,设备故障可能会造成局部损坏,巨大的经济损失甚至人员伤亡。大量研究表明,轴承故障占旋转机械故障的30%。因此,深入研究轴承的状态监测和故障诊断对维护设备安全、降低维修成本具有重要意义。近年来,随着信号处理、数据挖掘和人工智能技术的快速发展,故障诊断方法在旋转机械故障诊断中发挥着重要作用,这些方法的步骤主要包括信号处理、特征提取、模式识别三个步骤。
[0003]应用故障诊断方法对轴承进行诊断时,存在以下问题:(1)特征提取和特征集构建困难。训练样本和测试样本通常是相同工作条件下导出的振动信号。其特征包括均方根、方差、峰度、偏度指数、信息熵等。然而,由于轴承之间的耦合,从采集的轴承 ...
【技术保护点】
【技术特征摘要】
1.一种基于皮尔逊相关系数的混合域特征轴承故障诊断方法,其特征在于:包括如下步骤:首先从原始信号中提取6个时域无量纲向量、10个时域有量纲向量、4个频域特征向量、6个小波变换特征向量以及10个自适应噪声的完整集成经验模态分解CEEMDAN特征向量,结合提取出的特征参数,构造轴承故障混合域特征集;其次,运用皮尔逊相关系数对提取的混合域特征进行相关性分析,从高维故障特征集中提取出易于识别的低维主特征向量;最后将低维特征集导入到随机森林中作为模式识别的输入。2.根据权利要求书1所述的一种基于皮尔逊相关系数的混合域特征轴承故障诊断方法,其特征在于:从原始信号中提取6个时域无量纲向量、10个时域有量纲向量、4个频域特征向量、6个小波变换特征向量以及10个自适应噪声的完整集成经验模态分解CEEMDAN特征向量,结合提取出的特征参数,构造了轴承故障混合域特征集的具体步骤如下:步骤1:用x
i
来表示采集到的振动信号的时间序列(i=1,2,...N),N为x
i
的采样点,利用下面的式子分别计算时域特征:(1)标准差:s表示标准差,为均值;(2)有效度:X
rms
表示有效度;(3)歪度:歪度a反映对纵坐标的不对成性,如果a越大,不对称越厉害;(4)峭度:峭度系数k
v
取脉冲响应幅值的4次方为判断依据,拉大脉冲信号和背景噪声的差距以提高信噪比,用以表示大幅度脉冲信号出现的概率;(5)峰值:X
peak
=max(x
i
)X
peak
表示峰值,max表示求采样点的大值,峰值X
peak
由信号的一系列最大瞬时幅值取均值得到;(6)峰峰值:
X
vpp
=max(x
i
)
‑
min(x
i
)X
vpp
表示峰峰值,峰峰值是指一个周期内信号最高值和最低值之间差的值,就是最大和最小之间的范围;(7)波形因数:波形因子为有效度(X
rms
)与绝对均值之比;(8)脉冲因数:脉冲因子I是峰值X
peak
与绝对均值之比,脉冲因子在故障前期会随着故障加剧而上升,当上升到一定程度后,反而会减弱;(9)峰值因数:峰值因子C是峰值X
rms
除以有效度X
rms
;(10)裕度:X
peak
表示峰值,X
r
表示方根幅值,当时间信号中包含的信息不是来自一个零件或部件,而是属于多个元件时,利用波形因子S、脉冲因子I、裕度L进行故障诊断或分析;(11)最大值:TF=max{x
i
}(12)最小值:TF=min{x
i
}(13)均值:(14)绝对平均值(15)方根幅值:(16)方差:
步骤2:本文通过提取4个常用的频域特征向量来构成频域特征集,在构造频域集之前,采用傅里叶分析对原始信号进行处理,在以下四个公式中u(i)表示频率,表示平均频率;(1)重心频率(2)平均频率(3)均方根频率(4)频率标准差步骤3:小波变换特征集(1)小波能量熵首先对原始信号x(t)进行分解,分解为j层,分解后为2
j
个节点,每个频带信号用一个节点系数来表示,其中C
m,k
(m=0,1,2
……
j;k=0,1,2
…2k
‑1)表示第m层...
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。