轴承故障检测方法、装置及电子设备制造方法及图纸

本申请提供一种轴承故障检测方法、装置及电子设备。方法包括：获取待测轴承的振动信号；将振动信号变换到归一化的傅里叶频谱的支撑域；根据预设的迭代前

【技术实现步骤摘要】
轴承故障检测方法、装置及电子设备


[0001]本专利技术涉及设备故障检测
，具体而言，涉及一种轴承故障检测方法、装置及电子设备。

技术介绍

[0002]轴承作为旋转机械设备的关键基础零部件之一。轴承的状态监测与故障诊断，对于旋转机械设备安全可靠服役具有重要意义。轴承的振动信号极易受到源自恶劣工况、传感测试以及电磁场等噪声干扰，显现出强背景噪声干扰特点。小波变换理论作为实现旋转机械设备故障特征提取的方式之一，被广泛应用于滚动轴承的早期故障特征提取。小波分析的本质是优化筛选与故障特征波形最相似的小波基函数，但小波基函数一旦确定则单一固定不变，因而缺乏对信号分解的自适应性，难以提取有效的信号特征分量，因此，轴承故障检测的准确性有待提高。

技术实现思路

[0003]有鉴于此，本申请实施例的目的在于提供一种轴承故障检测方法、装置及电子设备，能够提高轴承故障检测的准确性与可靠性。
[0004]为实现上述技术目的，本申请采用的技术方案如下：
[0005]第一方面，本申请实施例提供了一种轴承故障检测方法，所述方法包括：...

【技术保护点】

【技术特征摘要】
1.一种轴承故障检测方法，其特征在于，所述方法包括：获取待测轴承的振动信号；将所述振动信号变换到归一化的傅里叶频谱的支撑域；根据预设的迭代前
‑
后向搜索算法对所述支撑域进行傅里叶频谱的分割，得到多个连续的频率分段范围；根据预设的故障特征能量指标最大化策略，从所述多个连续的频率分段范围中，确定最大故障特征能量指标所对应的模式分量，作为对故障特征敏感的最优模式分量；对所述最优模式分量进行包络解调分析，得到所述待测轴承的检测结果，其中，当包络解调得到的包络解调谱中存在表征故障特征频率及倍频峰值谱线时，得到表征所述待测轴承存在故障的所述检测结果。2.根据权利要求1所述的方法，其特征在于，将所述振动信号变换到归一化的傅里叶频谱的支撑域，包括：将所述振动信号变换到归一化的傅里叶频谱[0,π]，以作为初始的支撑域。3.根据权利要求2所述的方法，其特征在于，根据预设的迭代前
‑
后向搜索算法对所述支撑域进行傅里叶频谱的分割，得到多个连续的频率分段范围，包括：将所述初始的支撑域[0,π]划分为与其中，通过所述故障特征能量指标最大化策略得到；以为起点，在傅里叶频域区间与分别进行逐次前向迭代与逐次后向迭代，其中，第一次前向迭代包括：将两分为与其中，通过所述故障特征能量指标最大化策略得到；傅里叶频段对应的候选经验小波频响函数ψ
n
(ω)表示为：(ω)表示为：其中，ω表示频率；fcf表示故障特征频率；fs表示采样频率；指最优截止频率边界值，由下式得到：由下式得到：
其中，FCE指故障特征能量指标，指经验小波变换系数；Q表示傅里叶频谱分割数量；第一次后向迭代包括：将两分为与与通过所述故障特征能量指标最大化策略得到；通过第一次前向迭代搜索与第一次后向迭代搜索，将傅里叶频谱支撑[0,π]分割为四个连续的频域支撑通过第n次前向迭代搜索与向后迭代搜索，将傅里叶频谱支撑[0,π]分割为通过第n次前向迭代搜索与向后迭代搜索，将傅里叶频谱支撑[0,π]分割为以得到所述多个连续的频率分段范围。4.根据权利要求3所述的方法，其特征在于，根据预设的故障特征能量指标最大化策略，从所述多个连续的频率分段范围中，确定最大故障特征能量指标所对应的模式分量，作为对故障特征敏感的最优模式分量，包括：根据所述故障特征能量指标最大化策略中的频响函数和分解公式，对与所述多个连续的频率分段范围进行经验小波变换分解，得到经验小波变换分解的模式分量，其中，所述频响函数包括经验尺度函数和经验小波函数；所述经验尺度函数表示为：所述经验小波函数表示为：其中，φ
n
(ω)指经验小波变换的经验尺度函数；ψ
n
(ω)指经验小波函数；ω表示频率；ω
n
表示频率边界值；β表示用于构造尺度函数φ
n
(ω)与经验小波函数ψ
n
(ω)的多项式函数β(x)，x表示函数β(x)的自变量；β(x)和常数γ满足如下条件：β(x)＝x4(35
‑
84x+70x2‑
20x3)
所述分解公式表示为：所述分解公式表示为：其中，指模式分量中的细节系数，指模式分量中...

【专利技术属性】
技术研发人员：刘昌宏，李生春，张志华，
申请(专利权)人：重庆中烟工业有限责任公司，
类型：发明
国别省市：