轴承故障诊断方法、系统、电子设备及存储介质技术方案

技术编号:34144904 阅读:27 留言:0更新日期:2022-07-14 18:42
本发明专利技术公开了一种轴承故障诊断方法、系统、电子设备及存储介质,通过最优最小熵解卷积作为前置滤波器和后置SSD分解单元组合对轴承加速度信号进行分解;获取SSD分解后每层奇异谱分量与OMEDA处理后信号的相关系数,将相关系数大于设定值的各层奇异谱分量对应值相加,得到重构加速度信号;通过对重构信号进行包络解调,并获得解调谱,将轴承特征频率带入包络谱中寻找对应频率的幅值,寻找幅值比较突出的特征频率接近的轴承位置分类,即可初步判断轴承出现故障的具体位置。能够显著增强轴承微弱冲击信号的冲击特征,针对轴承早期故障产生的微弱冲击进行准确定位诊断和识别。生的微弱冲击进行准确定位诊断和识别。生的微弱冲击进行准确定位诊断和识别。

【技术实现步骤摘要】
轴承故障诊断方法、系统、电子设备及存储介质


[0001]本专利技术属于轴承故障诊断
,具体涉及一种针对轴承早期故障产生的微弱冲击的诊断方法、系统及存储介质。

技术介绍

[0002]轴承作为传动系统不可或缺的部件,在工业、运输业及军事领域都得到了广泛的运用,其运行状态的好坏将直接关系到整个设备的工作情况。轴承出现早期故障时,会产生微弱的冲击信号,共振频率通常出现在高频频带范围内,常用的时频分析方法对于微弱冲击信号具有局限性。
[0003]现有的基于时间序列的轴承诊断方法中,在奇异值分解网络SVD的基础上提出了奇异谱分解(Singular Spectrum Decomposition,SSD),SSD克服了奇异谱方法SSA的缺陷,可以自适应选取嵌入维数的大小,并从原始时间序列中分解出若干奇异谱分量(Singular Spectrum Component,SSC)。SSD分解可以将轴承故障冲击信号分解出来,能有效提取轴承故障的信息。
[0004]SSD分解虽然可以提取轴承高频冲击信号特征,但是针对轴承早期微弱冲击信号,SSD分解具有局限性。

技术实现思路

[0005]本专利技术要解决的技术问题是:提供一种轴承故障诊断方法、系统、电子设备及存储介质,能够显著增强轴承微弱冲击信号的冲击特征,针对轴承早期故障产生的微弱冲击进行准确定位诊断和识别。
[0006]为解决上述技术问题,本专利技术采用如下技术方案:
[0007]一种基于OMEDA

SSD的轴承故障诊断方法,其特征在于包括以下步骤:
[0008]S1、获取轴承的原始加速度信号;
[0009]S2、根据原始加速度信号画出快速谱峭度,将所有峭度对比,得到最大谱峭度K
max
(f
i
,Δf
m
)所对应的中心频率f
i
和最佳带宽Δf
m
,根据中心频率f
i
和最佳带宽Δf
m
获取原始加速度信号的共振频率带;
[0010]S3、根据所述共振频率带设置滤波步长,将滤波步长作为参数输入OMEDA方法中,然后运用最优最小熵解卷积分解OMEDA方法对原始加速度信号进行处理;
[0011]S4、对步骤S3处理后信号进行SSD分解;
[0012]S5、获取SSD分解后每层奇异谱分量与步骤S3处理后信号的相关系数,将相关系数大于设定值的各层奇异谱分量对应值相加,得到重构加速度信号;
[0013]S6、对重构加速度信号进行包络解调,得到包络谱;
[0014]S7、根据待诊断轴承型号和/或结构参数计算出轴承特定部件或结构的特征频率;
[0015]S8、查看包络谱中轴承特征频率幅值大小,如果轴承某个特定部件或结构的特征频率幅值超出包络阈值,则这个特征频率所对应的轴承部件出现了故障。
[0016]上述技术方案中,步骤S2中,轴承共振频率带的共振频率在6400~7600Hz范围内。
[0017]上述技术方案中,步骤S3中的所述OMEDA分解通过非迭代精确计算滤波器系数,并构造一系列FIR滤波器,使得滤波后信号的D

范数最大,以获取冲击脉冲。
[0018]上述技术方案中,步骤S4中的所述SSD分解通过新形式轨迹矩阵的构建,将原始信号分解为多个频带从高到低顺序排列的奇异谱分量。
[0019]上述技术方案中,步骤S5中设定值为3。
[0020]上述技术方案中,步骤S8中轴承特征频率包括轴承的内圈、外圈、保持架、滚动体四个结构部件的特征频率。
[0021]一种基于OMEDA

SSD的轴承故障诊断系统,其特征在于至少包括:
[0022]OMEDA处理单元,用于获取轴承的原始加速度信号,根据原始加速度信号画出快速谱峭度并获取原始加速度信号的共振频率带,计算滤波步长,运用OMEDA方法对原始加速度信号进行处理;
[0023]SSD分解单元,用于对OMEDA方法处理后信号进行SSD分解,将SSD分解模型中与步骤S3处理后信号相关系数大于设定值的各层奇异谱分量对应值相加,得到重构的加速度信号;对重构加速度信号进行包络解调,得到包络谱;
[0024]故障识别单元,用于计算对应部件或结构的轴承特征频率,并将包络谱中轴承特征频率与轴承特征频率进行幅值大小比较,以识别轴承特征频率的幅值超出包络阈值的位置。
[0025]作为本方法的可实现的载体,本专利技术还提供一种电子设备,包括:存储器、处理器及在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上任一项所述方法的步骤。
[0026]上述基于OMEDA

SSD的轴承故障诊断系统可以包括也可以不包括获取轴承的原始加速度信号的传感器件。
[0027]此外,作为本专利技术的可替代的实现方式,本专利技术还提供一种暂态或非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时实现如上任一项所述方法的步骤。
[0028]由此,本专利技术的方法、系统、电子设备和存储介质,通过最优最小熵解卷积(OMED)作为前置滤波器和后置SSD分解单元组合对轴承加速度信号进行分解;获取SSD分解后每层奇异谱分量与OMEDA处理后信号的相关系数,将相关系数大于设定值的各层奇异谱分量对应值相加,得到重构加速度信号;通过对重构信号进行包络解调,并获得解调谱,将轴承特征频率带入包络谱中寻找对应频率的幅值,寻找幅值比较突出的特征频率接近的轴承位置分类,即可初步判断轴承出现故障的具体位置。
[0029]本专利技术相比现有技术具有以下明显的有益效果:
[0030](1)将最优最小熵解卷积(OMED)作为前置滤波器,增强轴承微弱冲击信号的冲击特征,便于SSD将冲击信号快速分解出来进行分析,提高分解效率。
[0031](2)本专利技术中最优最小熵解卷积分解OMEDA方法能突出信号中的冲击成分,并且能抑制信号中的噪声,可有效解决仅仅依靠SSD分解信号的局限性,相对于SSD分解,能够针对轴承早期微弱冲击信号进行突出分解,有效并精确识别轴承的故障部位,解决了SSD分解方法对轴承早期微弱冲击信号识别的盲区和局限性。
[0032](3)仅仅通过提取或检测加速度信号导入本方法或系统即可获得轴承早期微弱冲击信号故障的具体位置,检测原理简单且易于实现,便于检测现场人工辅助或无人化操作。
附图说明
[0033]下面将结合附图及实施例对本专利技术作进一步说明,附图中:
[0034]图1是本专利技术基于OMEDA

SSD的轴承故障诊断方法流程图。
[0035]图2是本专利技术方法获取的快速谱峭度图。
[0036]图3是原始信号与利用本专利技术方法或系统或存储介质处理后信后的对比图。
[0037]图4是根据本专利技术方法或系统或存储介质获取的信号包络谱图。...

【技术保护点】

【技术特征摘要】
1.一种基于OMEDA

SSD的轴承故障诊断方法,其特征在于包括以下步骤:S1、获取轴承的原始加速度信号;S2、根据原始加速度信号画出快速谱峭度,将所有峭度对比,得到最大谱峭度K
max
(f
i
,Δf
m
)所对应的中心频率f
i
和最佳带宽Δf
m
,根据中心频率f
i
和最佳带宽Δf
m
获取原始加速度信号的共振频率带;S3、根据所述共振频率带设置滤波步长,将所述滤波步长作为参数输入OMEDA方法中,然后运用最优最小熵解卷积分解OMEDA方法对原始加速度信号进行处理;S4、对步骤S3处理后信号进行SSD分解;S5、获取SSD分解后每层奇异谱分量与步骤S3处理后信号的相关系数,将相关系数大于设定值的各层奇异谱分量对应值相加,得到重构加速度信号;S6、对重构加速度信号进行包络解调,得到包络谱;S7、根据待诊断轴承型号和/或结构参数计算出轴承特征频率;S8、查看包络谱中轴承特征频率幅值大小,如果某个轴承特征频率幅值超出包络阈值,则这个特征频率所对应的轴承部件出现了故障。2.根据权利要求1所述的基于OMEDA

SSD的轴承故障诊断方法,其特征在于步骤S2中,轴承共振频率带的共振频率在6400~7600Hz范围内。3.根据权利要求1所述的基于OMEDA

SSD的轴承故障诊断方法,其特征在于步骤S3中的所述OMEDA分解通过非迭代精确计算滤波器系数,并构造一系列FIR滤波器,使得滤波后信号的D

范数最大,以获取冲击脉冲。4.根据权利要求1所述的基于OMEDA

【专利技术属性】
技术研发人员:徐徐钱进杨世飞孙磊邹小勇刘宗斌
申请(专利权)人:南京凯奥思数据技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1