一种滚动轴承多通道故障特征提取方法技术

本发明专利技术公开了一种滚动轴承多通道故障特征提取方法，首先使用FMVMD方法来对多通道信号进行分解获得多个本征模态分量(IMF)；其次，通过建立有效权重峭度指标(EWK)来筛选敏感分量进行信号重构；最后，利用SSA

A multi-channel fault feature extraction method for rolling bearings

【技术实现步骤摘要】
一种滚动轴承多通道故障特征提取方法


[0001]本专利技术属于机械故障诊断
，具体涉及一种基于FMVMD 与SSA
‑
MOMEDA的滚动轴承多通道故障特征提取方法。

技术介绍

[0002]滚动轴承是旋转机械设备中最重要且最易受损的关键部件之一，经常运行于高速、重负载的复杂工况环境下，其健康与否将直接影响整台机械设备的工作状态，轻则造成代价高昂的停机时间，严重时可能引起人员伤亡。因此，保证旋转器械的正常运行，有效提取滚动轴承的故障特征评估轴承运行状态至关重要。
[0003]目前大部分的特征提取方法都是针对单通道信号进行研究的，然而多通道信号存在更多的故障信息，更能全面表征滚动轴承的运行状态。因此，使用MVMD方法对滚动轴承多通信号进行分解，但MVMD 在使用前需对分解模态数K和惩罚因子а进行预设值。模态数K太小会导致多通道信号分解结果不完全，故障信息被遗漏，相反，模态数 K太大会导致过分解；而惩罚因子а则直接影响着模态分量的带宽。所以提出FMVMD方法对MVMD的参数进行自适应选择。
[0004]此外，提出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FMVMD与SSA
‑
MOMEDA的滚动轴承多通道故障特征提取方法，其特征在于，包括以下步骤：S1：对输入的多通道信号进行FMVMD分解，得到一系列多通道模态分量；S2：计算各通道模态的EWK，选取EWK值大于0的模态作为有效模态进行信号重构；S3：利用SSA
‑
MOMEDA对重构信号进行降噪和增强周期冲击分量；S4：通过包络解调获取滚动轴承故障特征频率。2.根据权利要求1所述一种基于FMVMD与SSA
‑
MOMEDA的滚动轴承多通道故障特征提取方法，其特征在于，所述S1中对信号进行FMVMD分解方法如下：S1.1：收集多通道滚动轴承信号，并计算各个通道的EK值，EK值通过下式进行计算：EK＝KI
·
KESKES式中SE(P)为数学x(n)的包络信号；S1.2：挑选出最大EK值的通道作为主通道，对主通道信号进行频谱趋势分割，计算出分解模态数K、惩罚因子а、模态中心频率ω；S1.3：将模态数K、惩罚因子а、模态中心频率ω带入MVMD中完成多通道信号的分解。3.根据权利要求2所述一种基于FMVMD与SSA
‑
MOMEDA的滚动轴承多通道故障特征提取方法，其特征在于，所述频谱趋势的分割通过FFT计算得到信号的频谱，对信号的频谱再次使用FFT得到信号频谱的核函数；取核函数的前30个点利用iFFT计算得到频谱趋势。4.根据权利要求2所述一种基于FMVMD与SSA
‑
MOMEDA的滚动轴承多通道故障特征提取方法，其特征在于，所述频谱趋势的优化采用硬阈值去噪方法，被噪声干扰的频谱趋势部分呈直线，然后以频谱趋势极小值点和直线趋势的端点作为新分割边界，其余带有趋势极大...

【专利技术属性】
技术研发人员：王晓东，张爽，马军，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：