一种滚动轴承声振信号故障诊断方法、系统及设备技术方案

本发明专利技术公开一种滚动轴承声振信号故障诊断方法、系统及设备，涉及滚动轴承故障诊断分类领域。方法包括：采集滚动轴承工作状态下的声信号和振信号；分别提取声敏感特征和振敏感特征；将声敏感特征输入到训练好的声故障分类器以获取声信号诊断结果，将振敏感特征输入到训练好的振故障分类器以获取振信号诊断结果；在保留声信号诊断结果和振信号诊断结果冲突信息的基础上，采用冲突比例重分配规则重新分配声信号诊断结果和振信号诊断结果，以获取融合诊断结果。本发明专利技术能够有效剔除滚动轴承复杂故障混合域特征集中的干扰特征，选择出声敏感特征和振敏感特征，并且解决了单一振信号或声信号难以全面反映滚动轴承的真实运行状态的问题。问题。问题。

【技术实现步骤摘要】
一种滚动轴承声振信号故障诊断方法、系统及设备


[0001]本专利技术属于滚动轴承故障诊断分类
，特别是涉及一种滚动轴承声振信号故障诊断方法、系统及设备。

技术介绍

[0002]滚动轴承是机械设备轴系支承的关键部件，其工作状态正常与否直接影响设备的运行。其表面的轻微缺陷就可能引发整个系统的运行故障，造成巨大的财产损失。机械设备中30％以上的故障是由于滚动轴承故障所致，传统的滚动轴承监测方法，多为固定寿命更换或定期安全检查，耗费人力物力，影响生产进程；智能维护方法利用先进的传感器和检测技术，获取设备的状态信息在线检测，根据建立的统计模型对设备的剩余寿命进行预测，不断更新设备剩余寿命，实现科学与经济维修。因此开展轴承状态检测和在线故障诊断对保障设备安全经济运行具有重要意义。
[0003]目前，针对轴承故障分类及状态监测多是基于振动传感器采集的振信号；滚动轴承早期故障特征十分微弱，且受传递路径和信号传播介质影响。微弱的故障信号特征不仅体现在振信号上，也体现在声辐射信号上，仅利用单一的振信号或者声信号，难以全面反映滚动轴承的真实运行状态，将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚动轴承声振信号故障诊断方法，其特征在于，所述方法包括：采集滚动轴承工作状态下的声信号和振信号；分别提取所述声信号中的声敏感特征和所述振信号中的振敏感特征；将所述声敏感特征输入到训练好的声故障分类器以获取声信号诊断结果，将所述振敏感特征输入到训练好的振故障分类器以获取振信号诊断结果；在保留所述声信号诊断结果和所述振信号诊断结果冲突信息的基础上，采用冲突比例重分配规则重新分配所述声信号诊断结果和所述振信号诊断结果，以获取融合诊断结果。2.根据权利要求1所述的方法，其特征在于，所述声敏感特征通过如下方式进行选取：获得所述滚动轴承在不同故障类型和不同工况下的声信号样本；对每个所述声信号样本进行变分模态分解，以获得每个所述声信号样本的本征模态函数；对每个所述本征模态函数的进行声信号特征提取，所述信号特征包括时域特征和非线性特征；对每个所述声信号特征分别构建特征集矩阵；将每个所述特征集矩阵分别降维至二维，得到每个所述特征集矩阵的二维特征集矩阵；计算各所述二维特征集矩阵的平均轮廓系数，并根据平均轮廓系数筛选出对声故障信号敏感的特征作为声敏感特征；所述振敏感特征通过如下方式进行选取：获得所述滚动轴承在不同故障类型和不同工况下的振信号样本；对每个所述振信号样本进行变分模态分解，以获得每个所述振信号样本的本征模态函数；对每个所述本征模态函数的进行振信号特征提取，所述信号特征包括时域特征和非线性特征；对每个所述振信号特征分别构建特征集矩阵；将每个所述特征集矩阵分别降维至二维，得到每个所述特征集矩阵的二维特征集矩阵；计算各所述二维特征集矩阵的平均轮廓系数，并根据平均轮廓系数筛选出对振故障信号敏感的特征作为振敏感特征。3.根据权利要求2所述的方法，其特征在于，将全部所述特征集矩阵分别降维至二维，得到二维特征集矩阵的步骤包括，采用t分布随机邻近嵌入方法将全部所述特征集矩阵分别降维至二维，得到二维特征集矩阵。4.根据权利要求2所述的方法，其特征在于，所述声敏感特征包括近似熵、样本熵、模糊熵、平均值、方差、峰值、峭度、均方根、裕度因子、脉冲系数和形状系数中的一个或者多个的组合。5.根据权利要求2所述的方法，其特征在于，所述振敏感特征类型包括李氏指数、近似熵、样本熵、模糊熵、平均值、方差、峰值、峭度、均方根、波峰因子、裕度因子、脉冲系数和形状系数中的一个或者多个的组合。6.根据权利要求1所述的方法，其特征在于，所述方法还包括对所述声敏感特征和所述
振敏感特征进行故障诊断，分别得出声信号诊断结果和振信号诊断结果的...

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