一种故障数据处理方法、系统及故障预测方法技术方案

本发明专利技术提供了一种故障数据处理方法、系统及故障预测方法，应用于滚动轴承，故障数据处理方法包括：采集滚动轴承在不同故障情况时的时域振动信号；针对每种故障情况时的时域振动信号：对时域振动信号进行变分模态分解，得到多个二维图像；根据二维图像，采用方向梯度直方图算法提取得到对应的图像特征；采用多维尺度分析算法对图像特征进行降维处理，并处理得到当前故障情况对应的故障数据。本发明专利技术将采集到的时域振动信号转换为数字图像，直观性较强，本方案将故障检测问题转换为图像识别方法，将传统的特征参数运算过程转化为灰度图像的灰度值运算过程，大大缩短了特征运算时间，简化了处理过程。简化了处理过程。简化了处理过程。

【技术实现步骤摘要】
一种故障数据处理方法、系统及故障预测方法


[0001]本专利技术涉及图像处理
，特别是涉及一种故障数据处理方法、系统及故障预测方法。

技术介绍

[0002]滚动轴承是机电设备中重要的零部件，也是设备的易损件之一，其状况好坏对整个系统的安全运行和功能实现有着决定性的影响。对滚动轴承进行有效的故障诊断不但可以防止机械精度下降，杜绝发生安全事故，而且可以提高机电设备的性能、稳定性和使用寿命。
[0003]由于在工作条件下，滚动轴承的数据采集会受到载荷、润滑条件、零部件之间的振动等各种复杂环境的影响，较微弱的故障特征会淹没在强烈的噪声信号之中从而无法被采集到；因此，实现滚动轴承故障诊断的关键是如何准确全面的从采集的信号中提取出更多有效的特征信息，这对保障机电设备长期安全的可靠运行具有重要意义；进一步的，在特征信息提取完毕后，通常需要采用所有特征信息进行具体数值的计算，以获得最终的故障分析数据，这个过程中国的数据运算量极大，处理速度也不够快。
[0004]综上，现有技术中存在故障特征提取困难，数据处理工程量庞大等问题。
专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障数据处理方法，其特征在于，应用于滚动轴承，包括：采集所述滚动轴承在不同故障情况时的时域振动信号；针对每种所述故障情况时的时域振动信号：对所述时域振动信号进行变分模态分解，得到多个二维图像；根据所述二维图像，采用方向梯度直方图算法提取得到当前时域振动信号对应的图像特征；采用多维尺度分析算法对所述图像特征进行降维处理，并处理得到当前故障情况对应的故障数据。2.根据权利要求1所述的故障数据处理方法，其特征在于，所述对所述时域振动信号进行变分模态分解，得到多个二维图像的步骤包括：将所述时域振动信号进行分段处理；根据预设的分解层数，对分段处理后的每段时域振动信号进行变分模态分解，得到所述二维图像。3.根据权利要求1所述的故障数据处理方法，其特征在于，所述根据所述二维图像，采用方向梯度直方图算法提取得到当前时域振动信号对应的图像特征的步骤包括：按照一预设的图像尺寸缩放所述二维图像，并将其转化为灰度图像；采用Gamma校正法对所述灰度图像的灰度值进行归一化；计算得到归一化后的灰度图像中像素点的梯度幅值和梯度方向；将归一化后的灰度图像划分为多个单元格cell；其中，相邻的四个单元格cell组成一个block块；根据每个所述单元格cell内像素点的梯度幅值和梯度方向，进行bin方向上的加权投影，计算相应的投影和；根据所有所述二维图像中单元格cell的投影和，得到当前时域振动信号对应的图像特征。4.根据权利要求3所述的故障数据处理方法，其特征在于，所述计算得到归一化后的灰度图像中像素点的梯度幅值和梯度方向的步骤包括：计算归一化后的灰度图像中像素点的水平方向梯度和垂直方向梯度：G
x
(x，y)＝H(x+1，y)
‑
H(x
‑
1，y)G
y
(x，y)＝H(x，y+1)
‑
H(x，y
‑
1)其中，G
x
(x，y)表示归一化后的灰度图像中第x行，第y列的像素点的水平方向梯度；G
y
(x，y)表示归一化后的灰度图像中第x行，第y列的像素点的垂直方向梯度；H表示所述像素点的灰度值；根据所述水平方向梯度和所述垂直方向梯度计算得到所述梯度幅值和梯度方向：根据所述水平方向梯度和所述垂直方向梯度计算得到所述梯度幅值和梯度方向：G(x，y)表示归一化后的灰度图像中第x行，第y列的像素点的梯度幅值，α(x，y)表示归
一化后的灰度图像中第x行，第y列的像素点的梯度方向。5.根据权利要求1所述的故障数据处理方法，其特征在于，所述采用多维尺度分析算法对所述图像特征进行降维处理，并处理得到当前故障情况对应的故障数据的步骤包括：根据当前故障情况对应的所有图像特征之间的距离，构建距离矩阵；根据所述距离矩阵和所述图像特征，构建点积矩阵：S
ij
＝x
iT
x
j
，i、j∈n其中，...

【专利技术属性】
技术研发人员：陈剑，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：