一种滚动轴承故障程度评价方法技术

一种滚动轴承故障程度评价方法，涉及一种轴承故障评价方法，本发明专利技术为一种基于优化多字典匹配追踪和Lempel

【技术实现步骤摘要】
一种滚动轴承故障程度评价方法


[0001]本专利技术涉及一种轴承故障评价方法，特别是涉及一种滚动轴承故障程度评价方法。

技术介绍

[0002]滚动轴承是旋转机械中的关键部件，其故障可能导致机械的高成本停机，甚至导致整个机械的灾难性故障。为了保证机械系统的安全运行，降低企业的维修成本，以故障程度评价技术为核心的视情维护越来越受到重视。
[0003]旋转机械的振动信号包含丰富的信息，包括其运行状态和健康状态。因此，振动信号的特征提取技术对于有效、准确地评价滚动轴承的故障程度具有重要意义。作为一种经典的时频分析方法，匹配追踪（MP）算法旨在通过过完备原子字典对信号进行稀疏分解和表示，已经应用在轴承故障诊断技术中。在基于MP的轴承故障诊断方法中，原子字典对于信号稀疏表示非常关键，并且必须根据原始故障信号的特征或先验知识来构造，例如用于描述层裂状断层的双重冲击特征的阶跃脉冲字典。随着视情维护技术的发展，滚动轴承故障程度评价方法层出不穷。近年来，LZ复杂度也被引入到故障程度评价技术中。研究表明，针对外滚道或内滚道的点蚀故障，随着故障程度的加剧，LZ复杂度会呈现出增加或减少的趋势。
[0004]过完备原子字典的冗余问题严重降低了信号分解效率，限制了MP方法在故障程度评价
的适用性。

技术实现思路

[0005]本专利技术的目的在于提供一种滚动轴承故障程度评价方法，本专利技术提出了一种基于优化多字典匹配追踪和LZ复杂度的故障程度评价方法。优化多字典匹配追踪方法利用量子粒子群优化算法的全局搜索能力来减少信号稀疏分解所需的时间，再以LZ复杂度为指标，实现对滚动轴承不同故障程度的定量评价。
[0006]本专利技术的目的是通过以下技术方案实现的：一种滚动轴承故障程度评价方法，所述方法为一种基于优化多字典匹配追踪和Lempel
‑
Ziv（LZ）复杂度的滚动轴承故障程度评价方法，该方法包括以下步骤：步骤（1）：利用优化多字典匹配追踪方法对实测振动信号进行稀疏分解和重构，得到重构信号；步骤（2）：对重构信号进行三位二值化，得到一组三位二值符号序列；步骤（3）：利用三位二值符号序列，计算LZ复杂度并归一化，将其作为滚动轴承故障程度的评价指标；上述步骤（1）包括以下具体过程：（1.1）给定原始信号，剩余信号，迭代次数；初始化重构信号的偏差率为；（1.2）根据原始信号的特征，用过完备字典建立原子库
，初始化相应的个粒子群个粒子群；（1.3）令，对第个粒子的原始位置向量的原始位置向量进行随机初始化，其中；是粒子群的总体数量；（1.4）将位置向量引入字典的参数化模型，可以得到字典的匹配原子；根据目标函数方程计算的适应度，为：（1）式中，是字典的参数化模型，是QPSO算法的适应度函数，是迭代次数；表示内积；（1.5）将适应度最大化确定为QPSO算法的优化准则，更新最优位置向量；（1.6）比较第个粒子群中所有局部最优位置的适应度，则可获得全局最优位置为：（2）（1.7）判断适应度是否达到收敛或达到；如果收敛或，停止迭代并输出全局最优位置；如果不收敛且未达到，则令，更新粒子的位置向量，返回（1.4），并从步骤（1.4）到步骤（1.6）继续迭代；（1.8）比较所有粒子群的全局最优位置的适应度，得到最终的全局最优位置：（3）（1.9）将与相应的原子作为最优原子，将所选匹配原子集和剩余信号更新为：（4）（5）（1.10）判断是否满足或，若不满足，令，返回并继续从步骤（1.2）到步骤（1.9）的重新优化；若满足条件，终止迭代，并将重构信号按下式输出：（6）上述步骤（2）包括以下具体过程：利用重构后的振动信号，可以将每个更改为一个三位二值符号，这三个二值数字分别为：（7）（8）（9）
（10）式中，，，，是重构信号的平均值，是重构信号内相邻点之间的平均距离；和是逻辑运算符；经过三位二值化处理后，可以获得三位二值符号序列；上述步骤（3）包括以下具体过程：设，初始化临时字符变量和，复杂度；当时，令，不属于，因此,；令，，检查是否属于，如果属于，则，；如果不属于，则，，并重复此步骤，循环n次；对LZ复杂度进行归一化，得到归一化后的LZ复杂度C
N
：（11）式中，是符号的数量；将归一化后的LZ复杂度C
N
作为滚动轴承故障程度的评价指标。
附图说明
[0007]图1为本专利技术提出的滚动轴承故障程度评价方法流程图；图2为本专利技术轴承数据采集设备照片图；图3为外圈故障轴承实测信号（故障尺寸为0.178 mm，负载为0 kW）；图4为外圈故障轴承重构信号（故障尺寸为0.178 mm，负载为0 kW）；图5为外圈故障轴承实测信号（故障尺寸为0.356 mm，负载为0 kW）；图6为外圈故障轴承重构信号（故障尺寸为0.356 mm，负载为0 kW）；图7为外圈故障轴承实测信号（故障尺寸为0.533 mm，负载为0 kW）；图8为外圈故障轴承重构信号（故障尺寸为0.533 mm，负载为0 kW）；图9为外圈故障轴承信号的LZ复杂度；图10为内圈故障轴承信号的LZ复杂度。
具体实施方式
[0008]下面结合附图所示实施例对本专利技术进行详细说明。
[0009]如图1所示，本专利技术提供一种基于OMMP和LZ复杂度的滚动轴承故障程度评价方法，包括以下步骤：本专利技术方法以凯斯西储大学的轴承试验数据为例，其试验装置如图2所示。载荷分别选取为0、0.75、1.5和2.25 kW，对6205
‑
2RS SKF轴承的外滚道和内滚道预设了单点故障，故障尺寸分别为0.178、0.356和0.533mm。
[0010]从实测振动信号中提取包含512个采样点的信号作为原始信号，令剩余信号
，迭代次数，根据原始信号的特征，选用调制字典和脉冲字典建立原子库。
[0011]初始化2个粒子群，与调制字典和脉冲字典分别对应，并确保粒子位置向量的维数等于相应字典的函数模型参数的数量。初始化重构信号的偏差率为。
[0012]令。对第个粒子的原始位置向量进行随机初始化，将其引入函数模型，得到字典的匹配原子，根据目标函数方程计算的适应度，为：式中，是字典的参数化函数模型，是算法的适应度函数，是迭代次数，表示内积。
[0013] 将适应度最大化确定为算法的优化准则，更新局部最优位置向量。
[0014]分别比较粒子群中所有局部最优位置的适应度，则可获得各粒子群的全局最优位置为：判断适应度是否达到收敛或达到。如果收敛或，停止迭代并输出全局最优位置。如果不收敛且未达到，则令，更新粒子的位置向量，继续迭代。
[0015]比较所有粒子群全局最优位置的适应度，得到相应的原子作为所选原子。将所选匹配原子集和剩余信号分别进行更新。
[0016]判断是否满足或，若不满足，令，返回并继续迭代优化；若满足条件，终止迭代，得到重构信号为：以负载为0 kW的外圈故障滚动轴承信号为例，图3~图8中分别为外圈故障滚动轴承的实测信号和重构信号。
[0017]振动重构信号，。将更改为三位二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚动轴承故障程度评价方法，所述方法为一种基于优化多字典匹配追踪和Lempel
‑
Ziv（LZ）复杂度的滚动轴承故障程度评价方法，其特征在于：该方法包括以下步骤：步骤（1）：利用优化多字典匹配追踪方法对实测振动信号进行稀疏分解和重构，得到重构信号；步骤（2）：对重构信号进行三位二值化，得到一组三位二值符号序列；步骤（3）：利用三位二值符号序列，计算LZ复杂度并归一化，将其作为滚动轴承故障程度的评价指标；上述步骤（1）包括以下具体过程：（1.1）给定原始信号，剩余信号，迭代次数；初始化重构信号的偏差率为；（1.2）根据原始信号的特征，用过完备字典建立原子库，初始化相应的个粒子群；（1.3）令；对第个粒子的原始位置向量的原始位置向量进行随机初始化，其中；是粒子群的总体数量；（1.4）将位置向量引入字典的参数化模型，可以得到字典的匹配原子；根据目标函数方程计算的适应度，为：（1）式中，是字典的参数化模型，是QPSO算法的适应度函数，是迭代次数；表示内积；（1.5）将适应度最大化确定为QPSO算法的优化准则，更新最优位置向量；（1.6）比较第个粒子群中所有局部最优位置的适应度，则可获得全局最优位置为：（2）（1.7）判断适应度是否达到收敛或达到；如果收敛或，停...

【专利技术属性】
技术研发人员：党鹏飞，杨铮鑫，刘轩彤，龚斌，金志浩，
申请(专利权)人：沈阳化工大学，
类型：发明
国别省市：