一种基于SAPSO-MCKD的轴承故障诊断方法技术

本发明专利技术公开了一种基于SAPSO

【技术实现步骤摘要】
一种基于SAPSO
‑
MCKD的轴承故障诊断方法


[0001]本专利技术涉及一种轴承与故障诊断方法，特别涉及一种基于退火粒 子群算法改进的最大相关峭度解卷积轴承故障诊断方法，属于故障诊 断


技术介绍

[0002]滚动轴承的内外圈、滚子、保持架发生如点蚀、剥落、裂纹等故 障时，会产生周期性冲击。在轴承故障诊断中，周期性冲击信号的有 无、强弱以及发生的频率的大小代表着是否出现局部故障、故障的程 度以及故障发生的部位。然而，在实际工作条件中，由轴承故障产生 的冲击信号，经常淹没于结构振动以及大量的背景噪声中。从原始信 号中直接获取有用信息十分困难。最小熵值反褶积MED，将输入信 号x的峭度最大化作为迭代终止条件，寻找到最优的FIR滤波器来消 除传输路径效应，从而恢复信号中与故障相关的脉冲信号。再对滤波 后的信号进行包络解调，诊断出轴承的健康状态，在轴承诊断领域应 用十分广泛。但常规的MED方法鲁棒性欠佳，McDonald等在MED 基础上提出了MCKD的新方法，定义相关峭度为新的评价指标，利 用故障冲击性号周期性的特点，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SAPSO
‑
MCKD的轴承故障诊断方法，其特征在于：该方法包括采集轴承故障振动信号、采用退火粒子群算法改进MCKD算法，可在非精确周期的前提下对含有随机脉冲的轴承故障信号获得较好的反褶积效果；该方法首先采用由退火算法改进后的粒子群算法自适应确定MCKD的最优滤波器，实现最佳反褶积；然后，对滤波之后的故障信号求解Teager能量算子包络谱，从而判断轴承的具体故障信息；S1退火粒子群算法：退火粒子群算法SAPSO是由退火算法改进的粒子群算法；其具体步骤如下：退火粒子群算法SAPSO是由退火算法改进的粒子群算法；其具体步骤如下：S1.1随机初始化所有粒子的速度和位置，S1.2对所有粒子的适应度进行评价，将粒子的位置和适应值存储在粒子的个体极值P
best
中，将所有的P
best
中最优适应值的个体位置和适应值保存在全局极值g
best
中；S1.3确定初始温度；S1.4并根据下式确定当前温度各粒子P
i
的适应值：S1.5从所有P
i
中确定，全局最优的替代值P
′
i
，并根据下面两个公式更新各粒子的位置和速度；x
i，j
(t+1)＝x
i，j
(t)+v
i，j
(t+1)，j＝1，2，...，d式中：S1.6计算粒子目标值，并更新p
best
和g
best
，然后进行退温操作；S1.7当算法达到其停止条件，则停止搜索并输出结果，否则返回到S1.4继续搜索；S2最大相关峭度反褶积算法：最大相关峭度反褶积算法MCKD的过滤系数通过最大化滤波信号的相关峭度来迭代处理；对任一信号y(n)，其MCKD算法目标函数为：式中：y为冲击信号，其计算公式为：式中：L为滤波器的阶数，f＝[f1，f2，...，f
L
]
T
为滤波器的系数；M为位移数；T为故障周期，其计算公式为：T＝F
s
/f
m
...

【专利技术属性】
技术研发人员：崔玲丽，薛康杰，甄冬，王华庆，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：