一种滚动轴承早期故障诊断方法技术

本发明专利技术公开了一种基于海鸥优化算法自适应变分模态分解与稀疏性影响指标的滚动轴承早期故障诊断方法，应用于滚动轴承时域振动信号的早期故障诊断。该方法包括：基于海鸥优化算法与临近模态平均相关系数确定变分模态分解最佳模态数与二次惩罚因子；基于相关峰度选择故障敏感模态；基于故障敏感模态计算包络谱峰度与原始振动信号均方根值的峰度均方根指标，确定初始故障是否发生。本发明专利技术提出的初始故障诊断方法可以在轴承振动信号观察不到明显振幅上升的低严重故障阶段，对初始故障进行诊断。解决了传统循环迭代方法获得变分模态分解最佳参数所需时间较长，以及滚动轴承在低严重故障阶段振动信号振幅表现不明显的问题。重故障阶段振动信号振幅表现不明显的问题。重故障阶段振动信号振幅表现不明显的问题。

【技术实现步骤摘要】
一种滚动轴承早期故障诊断方法


[0001]本专利技术属于旋转机械故障诊断
，具体涉及一种基于海鸥优化算法自适应变分模态分解与稀疏性影响指标的滚动轴承早期故障诊断方法。

技术介绍

[0002]在旋转机械的状态检测过程中，对其敏感部位进行早期故障检测是一项强制性措施。轴承由于其处于高温运行、可变转速和高载荷的运行环境中而容易发生故障。缺乏适当的早期故障检测方法可能会使其发展为严重故障，进而引发轴承失效影响机械性能，甚至威胁工人的生命安全。
[0003]在各种诊断技术中，振动信号分析以其明确的机理和直接的响应成为最有效、最常用的方法。周期性脉冲是隐藏在轴承振动信号中的最明显的表现，该脉冲是由轴承滚珠周期性的通过缺陷位置产生的。而早期故障阶段，轴承振动信号中与故障相关的周期性脉冲并不明显，因此如何有效的从原始振动信号中发掘有关早期故障的周期性脉冲，是目前众多学者研究关注的重点。
[0004]基于信号分解的轴承故障诊断方法已经得到了应用，例如经验小波分解(EWT)与经验模态分解(EMD)。EWT使用滤波器对信号进行分解，从而限制信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于海鸥优化算法自适应变分模态分解与稀疏性影响指标的滚动轴承早期故障诊断方法，其特征在于，所述方法包括：通过海鸥优化算法自适应求得变分模态分解最佳模态数与二次惩罚因子；基于所述最佳模态数与二次惩罚因子进行变分模态分解，得到多个分解模态，基于各个分解模态与原始信号之间的相关峰度指标确定振动信号的故障敏感模态；计算振动信号的故障敏感模态的稀疏性影响指标；所述稀疏性影响指标为峰度均方根指标，所述峰度均方根指标由包络谱的峰度与原始信号的均方根组成；根据所述稀疏性影响指标，确定滚动轴承的早期故障是否发生。2.根据权利要求1所述的一种基于海鸥优化算法自适应变分模态分解与稀疏性影响指标的滚动轴承早期故障诊断方法，其特征在于，通过海鸥优化算法自适应求得变分模态分解最佳模态数与二次惩罚因子，包括：初始化海鸥优化算法参数，取K值范围3：7，α值范围500：5000，开始迭代；其中，K表示模态数，α表示二次惩罚因子；应用变分模态分解对原始信号进行分解，获得多个模态；计算最小临近模态的平均相关系数；更新最小平均相关系数；判断是否满足迭代终止条件，如果当前迭代次数小于总次数，则继续迭代并更新海鸥位置，返回执行应用变分模态分解对原始信号进行分解的步骤；如满足迭代终止条件，终止迭代，输出最优K与α值。3.根据权利要求2所述的一种基于海鸥优化算法自适应变分模态分解与稀疏性影响指...

【专利技术属性】
技术研发人员：温江涛，刘华臻，
申请(专利权)人：燕山大学，
类型：发明
国别省市：