一种参数自适应分解结构的轴承故障特征增强方法技术

本发明专利技术公开了一种参数自适应分解结构的轴承故障特征增强方法，属于故障诊断技术与信号处理分析技术领域；本发明专利技术方法针对编码器安装误差对轴承故障特征辨识干扰的问题，提出一种参数自适应分解结构的轴承故障特征增强方法，该方法首先对Savitzky

【技术实现步骤摘要】
一种参数自适应分解结构的轴承故障特征增强方法


[0001]本专利技术涉及一种参数自适应分解结构的轴承故障特征增强方法，属于故障诊断技术与信号处理分析


技术介绍

[0002]轴承作为旋转机械的支撑部件，其健康程度直接影响旋转机械的运行精度和寿命。轴承发生故障时，滚动体与滚道在故障位置处的接触刚度发生变化，对应的瞬时角速度(IAS)将发生规律性变化，则IAS信号包含丰富的轴承故障信息。因此，基于IAS信号的轴承状态监测和故障诊断是故障诊断领域的热点之一。然而，编码器安装误差的抑制对滚动轴承故障特征提取是不可忽视的，其干扰分量的抑制对于轴承故障特征提取尤为重要。
[0003]一方面，由于编码器内径与轴装配误差，编码器安装误差在工程应用中无法避免；编码器安装误差的能量幅值与转速成正相关，即编码器安装误差对轴承信号的调制作用随着转速上升而显著提升；不同程度的偏心误差和倾斜误差产生的总体误差是不尽相同，即对轴承故障分量的干扰程度是不同的。另一方面，早期轴承引起的IAS变化相对较弱，常常淹没于测量噪声和编码器安装误差中，导致其故障辨识较为困难。
[0004]综上，编码器安装误差的消除对于有效揭示轴承故障特征至关重要。

技术实现思路

[0005]由于编码器安装误差在工程应用中无法避免，以及编码器安装误差对滚动轴承分量的调制作用随着转速的上升而增大，进而导致轴承特征可能无法有效辨识。为解决该问题，本专利技术提出一种参数自适应分解结构(PDS)的轴承故障特征增强方法，该方法在Savitzkyr/>‑
Golay滤波器的基础上，基于参数自适应分解结构，结合IIDF指标，自适应获得优化的Savitzky
‑
Golay滤波器的优化参数，以有效消除编码器安装误差，进而增强轴承故障特征。
[0006]如图1所示，本专利技术基于参数自适应分解结构的轴承故障特征增强方法如下：
[0007]步骤1：获得包含轴承故障信息的瞬时角速度信号；
[0008]通过PicoScope信号采集系统获取光学编码器的包含轴承故障信息的瞬时角位移和对应的时间，采用向前差分法计算获得瞬时角速度IAS
i
信号，其计算式如下
[0009][0010]式中IAS
i
表示第i时刻的瞬时角速度，i＝1,2,3,
…
，Δφ＝2π/N，Δt
i
＝t
i+1
‑
t
i
；N表示编码器的光栅格数。
[0011]步骤2：通过PDS获得优化滤波长度M
op
[0012]2‑
1、假设参数的取值范围为[A
l
→
p
,B
l
→
p
]，分解等级l＝1,2,3,...，p表示该等级内参数范围的个数，p＝1,2,3,...。特殊的，如果l＝1，则p＝1。滤波长度M
l
(d
l
)＝A
l
→
p
,A
l
→
p
+S
l
,...,floor((B
l
→
p
‑
A
l
→
p
)/S
l
)，等级l范围中的离散序列个数d
l
＝1,2,...,∑
p floor
((B
l
→
p
‑
A
l
→
p
)/S
l
)，floor(
·
)表示向下取整操作，M
l
(d
l
)的增量为S
l
，S
l
与S
l+1
比值是ε，ε>1；
[0013]2‑
2、基于固定滤波阶次P和M
l
(d
l
)＝A
l
→
p
,A
l
→
p
+S
l
,...,floor((B
l
→
p
‑
A
l
→
p
)/S
l
)，离散序列为d
l
，采用Savitzky
‑
Golay滤波器对原始信号IAS
i
进行滤波，计算式为
[0014][0015]式中表示滤波后信号，n＝(M
l
(d
l
)
‑
1)/2+1,(M
l
(d
l
)
‑
1)/2+2,(M
l
(d
l
)
‑
1)/2+3,...,length(IAS
i
)，length(
·
)表示取数据长度操作，滤波系数可表示为
[0016][0017]式中D
T
＝[Q,G1,...,G
P
]T
，G
P
＝
‑
((M
l
(d
l
)
‑
1)/2)
P
,...,(
‑
1)
P
,0,1
P
,...,((M
l
(d
l
)
‑
1)/2)
P
，Q＝
‑
(M
l
(d
l
)
‑
1)/2,...,
‑
1,1,1,...,(M
l
(d
l
)
‑
1)/2，[
·
]T
表示转置运算。
[0018]2‑
3、原始信号与滤波信号的差值为剩余信号可表示为
[0019][0020]进一步地，对原始信号进行包络谱分析，其计算式为
[0021][0022]式中F{
·
}和F
‑1{
·
}分别表示傅里叶变换和傅里叶反变换，h(n)可表示为
[0023][0024]式中数据长度进一步地，包络解析信号可表示为
[0025][0026]2‑
4、采用IIDF指标表征包络解析信号中包含轴承故障信息的丰富性，计算式为
[0027][0028]式中γ1＝f
reb
‑
f
T
‑
2f
v
，γ2＝f
v
‑
2f
T
，γ3＝f
reb
‑
2f
T
，γ4＝(h本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种参数自适应分解结构的轴承故障特征增强方法，其特征在于，步骤如下：(1)采集光学编码器的瞬时角位移和对应的时间，采用向前差分法计算瞬时角速度IAS
i
；(2)基于参数自适应分解结构获得Savitzky
‑
Golay滤波器滤波长度M
l
(d
l
)序列，然后结合固定滤波阶次P，采用Savitzky
‑
Golay滤波器对原始信号IAS
i
进行滤波，进而获得滤波后信号以及剩余信号并对剩余信号进行包络谱变换；采用IIDF指标表征包络解析信号中包含轴承故障信息的丰富性；选择IIDF指标最大时对应的优化滤波长度M
op
；(3)基于优化滤波长度M
op
和固定滤波阶次P，采用Savitzky
‑
Golay滤波器对原始信号IAS
i
进行滤波，获得最优剩余信号，对剩余信号进行通过包络谱分析揭示轴承故障特征。2.根据权利要求1所述的参数自适应分解结构的轴承故障特征增强方法，其特征在于，步骤(2)具体操作如下：(1)设初始滤波长度M
l
(d
l
)取值范围为[A
l
→
p
,B
l
→
p
]，固定滤波阶次为P，M
l
(d
l
)的增量为S
l
，M
l
(d
l
)＝A
l
→
p
,A
l
→
p
+S
l
,...,floor((B
l
→
p
‑
A
l
→
p
)/S
l
)；等级l处离散序列个数d
l
＝1,2,...,∑
p
floor((B
l
→
p
‑
A
l
→
p
)/S
l
)；p＝1,2,3,...；l＝1,2,3,...；floor(
·
)表示向下取整；(2)基于固定滤波阶次P和滤波长度M
l
(d
l
)序列，获得不同滤波长度M
l
(d
l
)对应的滤波系数采用Savitzky
‑
Golay滤波器对原始信号IAS
i
进行滤波，获得滤波后信号其计算式为：式中，n＝(M
l
(d
l
)
‑
1)/2+1,(M
l
(d
l
)
‑
1)/2+2,(M
l
(d
l
)
‑
1)/2+3,length(IAS
i
)，length(
·
)表示取数据长度，原始信号与滤波后信号的差值为剩余信号，表示为(3)对剩余信号进行包络谱变换，其计算式为：式中F{
·
}和F
‑1{
·
}分别表示傅里叶变换和傅里叶反变换，|
·
|表示取绝对值，h(n)表示包络系数。(4)采用IIDF指标表征包络解析信号中包含轴承故障信息的丰富性，获得包络解析信号中包含轴承故障信息丰富性的指标(5)如果不满足floor(S
l+1
/2)<＝1，则缩小滤波长度M
l+1
(d
l+1
)的取值范围和精细步长S
l+1
，S
l+1
＝S
l
/ε，M
l+1
(d
l+1
)＝A
l+1
→
p

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