一种基于多指标的轴承故障诊断方法技术

本发明专利技术涉及一种基于多指标的轴承故障诊断方法，包括以下步骤：结合电机的结构，在承载区和非承载区设置初始测点，最终确定最优测点；在最优测点上，采集不同故障位置轴承运行时的传感数据，即内圈故障、外圈故障和滚动体故障，以及正常轴承运行时的传感数据等；本发明专利技术中的标准化欧氏距离是度量两类状态之间统计信息相似程度的一种距离指标，其指标越小，代表当前状态与其对应的状态越相近；标准化欧氏距离的优点在于能很好地反映两类状态之间的相似程度，克服了时域分析中的相位问题和噪声干扰问题。声干扰问题。声干扰问题。

【技术实现步骤摘要】
一种基于多指标的轴承故障诊断方法


[0001]本专利技术涉及轴承监测领域，特别是涉及一种基于多指标的轴承故障诊断方法。

技术介绍

[0002]目前，针对轴承在线故障诊断方法的研究有很多，主要有谱分析法，机器学习法等。谱分析法主要利用频谱分析等方法对信号进行分析，寻找对应的故障特征频率。此类方法这些方法算法基于故障机理，试用范围广，但常需要专家经验的指导，人为影响因素较大，故障诊断率较低；机器学习法主要通过采集训练集构建机器学习模型，从而进行故障诊断。此类方法逻辑较为复杂，且诊断结果易受工况的影响，应用范围较小。

技术实现思路

[0003]本专利技术的目的在于提出一种基于多指标的轴承故障诊断方法，解决上述问题。
[0004]本专利技术通过以下技术方案来实现上述目的：一种基于多指标的轴承故障诊断方法，其特征在于，包括以下步骤：
[0005](1)结合电机的结构，在承载区和非承载区设置初始测点，最终确定最优测点；
[0006](2)在最优测点上，采集不同故障位置轴承运行时的传感数据，即内圈故障、外圈故障和滚动体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多指标的轴承故障诊断方法，其特征在于，包括以下步骤：(1)结合电机的结构，在承载区和非承载区设置初始测点，最终确定最优测点；(2)在最优测点上，采集不同故障位置轴承运行时的传感数据，即内圈故障、外圈故障和滚动体故障，以及正常轴承运行时的正常状态传感数据；(3)对采集到的数据信息进行预处理和特征提取，计算普通特征指标和遗传编程特征指标，分别建立四种状态的样本集，其中所述普通特征指标由时域特征指标，频域特征指标和能量特征指标组成；(4)利用加速度传感器对进行振动信号测量，获得振动加速度信号；(5)对采集到的信号计算所述时域特征指标，所述频域特征指标，所述能量特征指标，所述遗传编程特征指标；(6)启动故障诊断模块，分别计算实时信号与四种标准状态的样本之间的标准化欧氏距离，确定故障类型。2.根据权利要求1所述的一种基于多指标的轴承故障诊断方法，其特征在于，通过所述故障诊断模块分别计算实时轴承状态的所述普通特征指标与正常状态，内圈故障、外圈故障、滚动体故障的所述普通特征指标之间的所述标准化欧氏距离：d1，d2，d3，d4，并找出其中的最小值，确定故障状态1。3.根据权利要求2所述的一种基于多指标的轴承故障诊断方法，其特征在于，通过...

【专利技术属性】
技术研发人员：易永余，蔡璇璇，
申请(专利权)人：台州守敬应用科技研究院有限公司，
类型：发明
国别省市：