一种基于振动信号的轴承滚动体离散失效方法技术

本发明专利技术涉及无保持架球轴承技术领域，尤其是一种基于振动信号的轴承滚动体离散失效方法，首先利用无保持球轴承离散槽的振动信号数据计算排列熵，然后选择出每种损伤的至少3个最佳本征模态函数；将最佳本征模态函数中的信号特征代入麻雀搜索算法进行迭代寻优，对支持向量机模型进行训练，最终训练好的支持向量机模型对离散槽的振动信号数据进行分类预测。结果表明，本发明专利技术的一种基于振动信号的轴承滚动体离散失效方法，可以有效分类离散槽损伤演变的复杂振动特性。的复杂振动特性。

【技术实现步骤摘要】
一种基于振动信号的轴承滚动体离散失效方法


[0001]本专利技术涉及无保持架球轴承
，尤其是一种基于振动信号的轴承滚动体离散失效方法。

技术介绍

[0002]轴承是机械领域中应用最广的旋转机械部件之一，在航天、汽车、家电及工业设备领域都有着广泛的应用，轴承状态的好坏直接决定了设备是否能够正常的运行，轴承在实际工作中起到受力和传递载荷的作用，由于轴承的作业环境不同，容易磨损，比较容易损耗，对生产过程，产品质量有直接的影响。而且随着现代科学技术的发展，设备向着大型化、复杂化、自动化等方向发展，其中某一固件发生故障，对整个生产都会产生非常严重的影响。轴承作为重要的零部件，若发生故障，会导致设备的而停产、经济损失等后果，严重的会发生重大生产事故。
[0003]随着电主轴、机器人、航空航天以及军事装备等领域的发展，传统轴承难以满足更加苛刻的性能要求和更加恶劣的使用环境。这是因为具有保持架的传统轴承在高速旋转的情况下，由于保持架和滚动体之间会产生剧烈摩擦和碰撞而使得轴承产生不可忽视的温升，并由此限制了轴承转速的进一步提高。近年来，为了实现轴承本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于振动信号的轴承滚动体离散失效方法，其特征在于，包括如下步骤：步骤1：采取实验法获取无保持球轴承离散槽由健康演化至失效的振动信号数据；步骤2：利用自适应添加白噪声的集成经验模态分解，将离散槽的健康状态、轻度损伤、中度损伤和重度损伤的振动信号数据分解为若干份本征模态函数；步骤3：计算排列熵，选择出每种损伤的至少3个最佳本征模态函数；步骤4：从每种损伤的最佳本征模态函数中提取能够反应其动力学突变和时间序列随机性的信号特征；步骤5：利用麻雀搜索算法对支持向量机模型中的惩罚因子和核参数进行迭代寻优；步骤6：将离散槽健康状态、轻度损伤、中度损伤和重度损伤的排列熵特征值作为麻雀搜索算法优化支持向量机模型的输入数据对支持向量机模型进行训练；步骤7：利用最终训练好的支持向量机模型对离散槽健康状态、轻度损伤、中度损伤和重度损伤的振动信号数据进行分类预测。2.如权利要求1所述的一种基于振动信号的轴承滚动体离散失效方法，其特征在于：所述步骤1具体包括如下步骤：步骤11：对一组长度为N的离散槽轴承振动时序信号进行相空间重构，得到一个K维的时序信号向量Y：式中：B为嵌入维数，t为延迟时间，K＝N
‑
(B
‑
1)t，向量Y中的每一行都是一个重构分量，一共有K个重构分量；步骤12：将每一个重构分量按照升序进行再次重构排列，得到关于各元素x(j)在向量Y中位置索引组成的的数据组：S(l)＝(j1,j2,j3,
…
,j
B
)式中：l＝1,2,3,
…
,k且k≤B！，即：B维相空间有位置索引构成的数据组B！个；步骤13：计算不同位置索引构成的数据组出现的次数占B！种不同数据组出现的总次数的值作为该数据组出现的概率{P1,P2,P3…
P
k
}，式中：P
k
为该数据组出现的概率。3.如权利要求1所述的一种基于振动信号的轴承滚动体离散失效方法，其特征在于：所述步骤...

【专利技术属性】
技术研发人员：赵彦玲，周恩雯，张涣青，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：