自适应级联字典驱动的轴承故障诊断方法技术

本发明专利技术专利涉及一种自适应级联字典驱动的轴承故障诊断方法。首先以双阻尼小波作为原子模型，采用相关滤波算法寻找小波的最优参数，考虑到相关滤波算法的计算量大，采用粒子群优化算法辅助相关滤波法进行双阻尼小波参数寻优。基于最优小波参数组合，形成初始小波参数字典。然后将初始字典代入自学习算法K奇异值分解中进行二次学习，实现初始字典原子的局部调整，形成级联字典。借助于正交匹配追踪算法，级联字典实现对原始振动信号的稀疏重构，最后通过重构信号的包络谱提取故障特征频率，完成故障诊断。将所提方法与Laplace小波参数字典、K

【技术实现步骤摘要】
自适应级联字典驱动的轴承故障诊断方法


[0001]本专利技术属于轴承故障诊断
，具体涉及一种自适应级联字典驱动的轴承故障诊断方法。

技术介绍

[0002]轴承作为旋转机械中最主要的零部件之一，被广泛应用于机械、交通、航空航天等领域。作为旋转机械中保证安全的关键部件，轴承由于通常工作于高温、高压、重载的环境中而极易发生故障。轴承一旦发生故障，轻则导致一定的经济损失，重则造成严重的人员伤亡。因此，准确判断轴承的健康状况对于确保机械设备安全、有效运行至关重要。
[0003]振动信号包含运行设备的丰富信息，因此基于振动信号的轴承故障诊断方法引起了广泛的关注。然而振动信号通常会受到噪声和谐波成分的干扰，难以准确提取出有效的故障特征信息。稀疏分解方法在信号处理方面取得了显著成就。构造合适的字典是稀疏表征的重要一部分，字典主要分为参数字典和学习字典的两大类。邓飞跃等先构建自适应Morlet小波参数字典，后结合正交匹配追踪(OMP)算法对振动信号进行稀疏重构，提取故障特征信息。然而基于单一小波模型的参数字典与真实振动信号中的故障脉冲响应的局部匹配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.自适应级联字典驱动的轴承故障诊断方法，其特征在于，具体步骤为：1) 构造初始小波参数字典：用传感器采集原始振动信号数据并输入，初始化粒子群优化算法的参数值，设置双阻尼小波的振荡频率、第一阻尼比、第二阻尼比、时移参数的寻优范围，以相关系数最大值作为优化指标，借助于粒子群优化算法辅助相关滤波算法快速定位双阻尼小波的最优参数值，改变最优双阻尼小波的时移参数，构造初始小波参数字典；2) 构造自适应级联字典：将初始小波参数字典代入K奇异值分解算法中进行二次学习，对初始字典原子的局部进行调整，构造自适应级联字典；3) 重构振动信号：结合正交匹配追踪算法，利用自适应级联字典对原始振动信号进行稀疏表征，重构出噪声和干扰成分减弱的振动信号；4) 最优结果处理与分析：从自适应级联字典稀疏重构后信号的包络谱中判断是否有故障及故障类型。2.如权利要求1所述的自适应级联字典驱动的轴承故障诊断方法，其特征在于，使用双阻尼小波作为初始字典的原子模型，其数学表达式为：；其中，，；式中，双阻尼小波参数直接控制小波的波形特征，振荡频率，为小波固定频率；第一阻尼比和第二阻尼比分别控制小波左右两侧衰减快慢，且，通过取不同值，可实现小波与故障脉冲响应的匹配；为小波支撑宽度；为时移参数；为信号长度。3.如权利要求1所述的自适应级联字典驱动的轴承故障诊断方法，其特征在于，所述粒子群优化算法辅助相关滤波算法寻找双阻尼小波最优参数的具体步骤如下：步骤1：假设双阻尼小波振荡频率、第一阻尼比和第二阻尼比、时移参
数分别属于集合，其中n为任意数；步骤2：遍历所有的参数集合得到全部的双阻尼小波集合：，其中t表示时间；步骤3：计算双阻尼小波与所分析信号之间的相似程度，即两者之间的相关系数：；步骤4：寻找大值，最大值对应的双阻尼小波参数为最优小波参数。4.如权利要求3所述的自适应级联字典驱动的轴承故障诊断方法，其特征在于，所述粒子群优化算法辅助相关滤波算法的具体步骤如下：步骤1：设置最大的速度区间和搜索区间，其中为粒子群运动的最小速度，为粒子群运动的最大速度，为粒子群运动的最小区间，为粒子群运动的最大区间；在速度区间和搜索区间上随机初始化速度和位置，设置群体规模A、迭代次数M、粒子群自我学习因子、群体学习因子、惯性权重；步骤2：根据适应度函数，计算每个粒子的适应值；步骤3...

【专利技术属性】
技术研发人员：张轶，邓建明，章博群，胡逢耀，周培勇，雷俊，
申请(专利权)人：中国铁路南昌局集团有限公司南昌车辆段，
类型：发明
国别省市：