基于自适应变分模态分解的轴承故障诊断方法技术

本发明专利技术涉及轴承故障诊断技术领域，具体地说，涉及一种基于自适应变分模态分解的轴承故障诊断方法，其包括以下步骤：(1)、输入信号；(2)、功率谱密度PSD计算；(3)、执行功率谱密度引导的自适应变分模态分解PVMD；(4)、获得指定数量的子信号IMF；(5)、对IMF进行平方包络分析；(6)、提取轴承故障特征。本发明专利技术能较佳地用于轴承的故障诊断，特别是轴承复合故障。特别是轴承复合故障。特别是轴承复合故障。

【技术实现步骤摘要】
基于自适应变分模态分解的轴承故障诊断方法


[0001]本专利技术涉及轴承故障诊断
，具体地说，涉及一种基于功率谱密度引导的自适应变分模态分解的轴承故障诊断方法。

技术介绍

[0002]目前，在轴承故障诊断中，常常用到变分模态分解(VMD)方法，该方法可以将输入信号分解为指定数量的子信号(IMF)，每个子信号主要围绕中心频率进行压缩。根据VMD分解原理，VMD分解程序的关键步骤是确定IMF数量K和惩罚因子α，α主要用来平衡子信号的带宽和信号的重构误差，这两个参数也是该算法需要预先确定的。K和α的不确定是VMD在实际应用中一个显著缺点，因此，如何有效地确定K和α是目前亟待解决的难题。

技术实现思路

[0003]本专利技术的内容是提供一种基于自适应变分模态分解的轴承故障诊断方法，其能够克服现有技术的某种或某些缺陷。
[0004]根据本专利技术的基于自适应变分模态分解的轴承故障诊断方法，其包括以下步骤：
[0005](1)、输入信号；
[0006](2)、功率谱密度PSD计算；
[0007](3)、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应变分模态分解的轴承故障诊断方法，其特征在于：包括以下步骤：(1)、输入信号；(2)、功率谱密度PSD计算；(3)、执行功率谱密度引导的自适应变分模态分解PVMD；(4)、获得指定数量的子信号IMF；(5)、对IMF进行平方包络分析；(6)、提取轴承故障特征。2.根据权利要求1所述的基于自适应变分模态分解的轴承故障诊断方法，其特征在于：步骤(2)中，信号x(t)的功率谱密度PSD通过自相关函数的傅里叶变换计算，计算公式为：SD通过自相关函数的傅里叶变换计算，计算公式为：是傅里叶变换，信号x(t)的自相关函数R
xx
(t)是通过计算时间t时刻的信号x(t)与平移τ的相同信号的乘积的平均值来获得的，公式如下：其中为期望。3.根据权利要求2所述的基于自适应变分模态分解的轴承故障诊断方法，其特征在于：步骤(3)中，执行功率谱密度引导的自适应变分模态分解PVMD包括以下步骤：(3.1)PSD曲线经过多次平均插值生成获得平滑曲线P
i
，平滑曲线P
i
用来表征PSD的总体变换趋势；(3.2)通过findpeaks函数计算P
i
的波峰个数，波峰的数量确定为原始信号的IMF数量，也就是K值；同时寻找局部极大值，通过设置计算间隔，忽略波动小的波峰，令：其中f
s
为采样频率，B
k
为两个波谷...

【专利技术属性】
技术研发人员：易彩，冉乐，汪浩，周秋阳，吴文逸，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：