一种用于滚动轴承故障特征提取的自适应变分模式分解法制造技术

本发明专利技术公开了一种用于滚动轴承故障特征提取的自适应变分模式分解法，包括：(1)搭建轴承数据采集平台，采集轴承故障振动信号x(t)，初始化本征模式分量IMF数，即参数k＝1；(2)设置k＝k+1，对采集的振动信号x(t)进行变分模式分解，分别计算第k个及第k

【技术实现步骤摘要】
一种用于滚动轴承故障特征提取的自适应变分模式分解法


[0001]本专利技术涉及一种自适应变分模式分解法，尤其涉及一种用于滚动轴承故障特征提取的自适应变分模式分解法。

技术介绍

[0002]滚动轴承在机器设备的传动系统中起着重要的作用。在实际情况下，它们在使用过程中通常在一定的压力或负载下运行，因此很容易导致轴承故障，严重影响机器设备的健康状况，因此判断其健康状态以及故障类型至关重要。为了提高物理资产在使用寿命内的可靠性，在轴承故障诊断区域引入了基于振动信号的状态监测方法。该方法一般分为三个步骤：(1)振动信号的数据采集；(2)振动信号的处理和故障特征提取；(3)故障模式的识别与诊断。其中最关键的是振动信号的处理和特征提取。
[0003]变分模式分解(VMD)方法是一种完全非递归分解方法，可以在频域同步估计具有稀疏性的分解模式。稀疏性意味着所获得的模态在其各自的中心频率周围非常紧凑，但这些中心频率两侧的频率分量是稀疏的。在大多数情况下，VMD提取的特征频率远离中心频率，这对于分割一个实际的复杂信号是一个很好的行为。正因为这一优势，许多研究本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于滚动轴承故障特征提取的自适应变分模式分解法，其特征在于，包括以下步骤：步骤一、搭建轴承数据采集平台，采集轴承故障振动信号x(t)，初始化本征模式分量IMF数，即参数k＝1；步骤二、设置k＝k+1，对采集的振动信号x(t)进行变分模式分解，分别计算第k个及第k
‑
1个IMF分量的排列熵PE，其值分别记为PE
k
和PE
k
‑1，若|PE
k
‑
PE
k
‑1|大于阈值u1，则转步骤二；否则，设置k＝k
‑
1，对信号x(t)进行VMD分解；步骤三、若k值小于2，转步骤五；步骤四、计算k个IMF分量中相邻分量之间的皮尔逊相关系数e，若存在一个e值大于阈值u2，则设置k＝k
‑
1，对采集的振动信号x(t)进行VMD分解，转步骤三；步骤五、输出k个离散的IMF特征分量。2.根据权利要求1所述的一种用于滚动轴承故障特征提取的自适应变分模式分解法，其特征在于，所述步骤二中对振动信号进行变分模式分解的步骤如下：(1)假设传感器获取的振动信号为x(t)，即为变分模式分解最原始信号，参数K为分解模式数目，a为带宽参数；(2)初始化本征模式函数中心频率拉格朗日乘子λ1和迭代次数n＝0；(3)令n＝n+1，进入循环；(4)对所有w>0，更新u
k
，k∈{1,2,...,K}：更新w
k
：(5)更新λ：(6)重复步骤(3)～(5)，直至满足停止迭代条件：(7)输出K个IMF分量。3.根据权利要求1所述的一种用于...

【专利技术属性】
技术研发人员：花小朋，邱林江，徐森，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：