一种基于声辐射信号的滚动轴承非接触故障诊断方法及系统技术方案

本发明专利技术涉及滚动轴承运行状态故障诊断技术领域,涉及一种基于声辐射信号的滚动轴承非接触故障诊断方法及系统，包括：获取滚动轴承的声辐射信号；根据小波包分解得到所述声辐射信号的节点重构信号；对所述节点重构信号通过固定窗长的窗函数截取计算，获取所述声辐射信号的短时能量分布序列；对所述短时能量分布序列进行散布熵计算和归一化处理，以获取所述短时能量分布序列的归一散布熵；通过所述归一散布熵构造特征向量，将所述特征向量输入到滚动轴承故障诊断模型中以得到故障诊断结果，其中所述滚动轴承故障诊断模型采用基于BSA优化的LVQ神经网络模型。LVQ神经网络模型。LVQ神经网络模型。

【技术实现步骤摘要】
一种基于声辐射信号的滚动轴承非接触故障诊断方法及系统


[0001]本专利技术涉及滚动轴承运行状态故障诊断
,涉及一种基于声辐射信号的滚动轴承运行状态故障诊断方法及系统。

技术介绍

[0002]在生产中，滚动轴承的健康状况直接影响旋转机械设备的正常运行。因此，利用轴承的状态数据建立准确的轴承故障诊断模型，具有重要工程实践意义。目前，用于轴承故障诊断的信号源有很多种，振动加速度信号和声辐射信号就是其常见类型。振动信号具有信噪比高，物理意义明确，易于识别等优点，是目前应用最广泛的源信号之一。但在特殊条件下(高温、表面有腐蚀性液体、不允许打安装孔、无磁性等)振动传感器的安装困难甚至不可能；而声辐射信号的获取只需将声传感器非接触的放置在目标轴承附近，实现非接触测量，简易方便，而且声传感器可以覆盖更宽的轴承故障信号频率范围。因此，基于声信号的非接触式故障诊断越来越受到关注。
[0003]当轴承初期故障时，产生的故障信号具有更低的信噪比，对低信噪比故障信号可采用信息熵来提取故障特征，利用经验模式分解结合样本熵(sample entropy，SE本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于声辐射信号的滚动轴承非接触故障诊断方法，其特征在于，所述方法包括：获取滚动轴承的声辐射信号；根据小波包分解得到所述声辐射信号的节点重构信号；对所述节点重构信号通过固定窗长的窗函数截取计算，获取所述声辐射信号的短时能量分布序列；对所述短时能量分布序列进行散布熵计算和归一化处理，以获取所述短时能量分布序列的归一散布熵；通过所述归一散布熵构造特征向量，将所述特征向量输入到滚动轴承故障诊断模型中以得到故障诊断结果，其中所述滚动轴承故障诊断模型采用基于BSA优化的LVQ神经网络模型。2.根据权利要求1所述的方法，其特征在于，所述滚动轴承的声辐射信号是通过设置在轴承主轴箱侧面的声传感器获取的。3.根据权利要求1所述的方法，其特征在于，所述滚动轴承的声辐射信号包括：内圈故障声辐射信号、滚子故障声辐射信号和外圈故障声辐射信号。4.根据权利要求2所述的方法，其特征在于，所述根据小波包分解得到所述声辐射信号的节点重构信号的步骤包括：对采集的所述声辐射信号进行小波包分解，以得到小波包分解系数；对小波包分解系数进行重构，以得到所述声辐射信号的节点重构信号序列V
IJ
(t)，其中，t表示时间，J＝0,1，
……
，2
I
，I为自然数。5.根据权利要求4所述的方法，其特征在于，所述声辐射信号的短时能量分布序列为：其中，E
kIJ
表示第I层第J个节点的第k个时间窗内信号短时能量，W为窗函数。6.根据权利要求5所述的方法，其特征在于，所述小波包分解的层数与窗函数W相关。7.根据权利要求...

【专利技术属性】
技术研发人员：陈剑，徐庭亮，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：