【技术实现步骤摘要】
一种滚动轴承故障诊断方法
[0001]本专利技术属于轴承故障诊断
，具体涉及一种滚动轴承故障诊断方法。
技术介绍
[0002]滚动轴承是旋转型机械中必不可少的零件之一，其运行状态对整个机器的综合运行有着重要影响，一旦发生故障将对机械正常运行造成严重威胁；而且，滚动轴承也是工业现场中一种常见的易损件，旋转型机械故障中约有30％是由滚动轴承故障引起的。因此，合理分析轴承振动信号，对滚动轴承进行监测和诊断对保证整个机器的安全运行、提前预警机械故障、减少机器维护成本等均具有重要意义。
[0003]振动分析法是一种广泛使用且行之有效的滚动轴承故障诊断方法，当滚动轴承出现局部损伤时，随着轴承的周期性旋转，损伤点与其配合部件之间因碰撞而产生短时且快速衰减的冲击，因此，当滚动轴承发生故障时，其振动信号往往呈现出冲击性特征。如果可以准确提取出冲击性特征信号，这将大大提高滚动轴承故障诊断的准确性，提取出微弱滚动轴承故障。现有技术中常用的方法包括利用经典解卷积模型来提取冲击性特征信号，但该方法对偶然性冲击干扰及强背景噪声的鲁棒性不强...
【技术保护点】
【技术特征摘要】
1.一种滚动轴承故障诊断方法，其特征在于，包括如下步骤：1)获取各测点的振动信号，并与设置的报警值进行比较；2)对于超过报警值的报警测点，将报警测点的振动信号输入到改进解卷积模型中，得到冲击性特征信号；其中，所述改进解卷积模型基于经典解卷积模型改进得到，改进在于基于下式计算得到用于解卷积计算的最优滤波器：于下式计算得到用于解卷积计算的最优滤波器：式中，t表示目标向量，定义了解卷积目标成分的位置和权重；y表示冲击性特征信号；f表示最优滤波器；当冲击性特征信号y与目标向量t完全一致时，MDN值达到最大值，此时的滤波器为解卷积出的最优滤波器f；3)利用构造的最优带通滤波器对步骤2)中得到的冲击性特征信号进行滤波处理，以得到滤波后的冲击性特征信号；4)对滤波后的冲击性特征信号进行分析，以确定滚动轴承是否发生故障。2.根据权利要求1所述的滚动轴承故障诊断方法，其特征在于，步骤3)中，所述最优带通滤波器为反对称实拉普拉斯小波滤波器。3.根据权利要求2所述的滚动轴承故障诊断方法，其特征在于，所述滤波后的冲击性特征信号为：WT(γ,σ)＝F
‑1[Y(f)ψ'(f)]ψ(t)＝e
‑
πσ|t|sin(2πγt)
式中，WT(γ,σ)表示滤波后的冲击性特征信号；σ和γ分别为反对称实拉普拉斯小波滤波器的带宽和中心频率；F
‑1表示傅里叶逆变换；Y(f)表示冲击性特征信号y(t)的傅里叶变换；ψ(t)表示所选的小波基函数，即反对称实拉普拉斯小波滤波器；ψ(f)表示小波基函数ψ(t)的傅里叶变换；ψ'(f)表示小波基函数的复共轭。4....
【专利技术属性】
技术研发人员：王宏超，韩捷，胡鑫，李永耀，陈磊，陈宏，李凌均，雷文平，
申请(专利权)人：郑州恩普特科技股份有限公司，
类型：发明
国别省市：
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。