【技术实现步骤摘要】
一种基于LMD分解与GWO
‑
PNN的滚动轴承故障诊断方法
[0001]本申请属于航空发动机设计领域,特别涉及一种基于LMD分解与GWO
‑
PNN的滚动轴承故障诊断方法。
技术介绍
[0002]针对滚动轴承的故障诊断是保证旋转机械正常运行的重要一环。多种因素都有可能导致旋转机械发生故障,在这当中滚动轴承的引起的故障数量占总故障数量的44%。如果不及时处理,轴承的损伤程度会加重,严重的故障不仅会导致机械的损坏甚至可能还会造成人员伤亡。因此,如何针对轴承进行状态监测是很有工程价值的。目前,关于滚动轴承的传统诊断方法有一个主要缺点是,它们需要有经验的专业技术人员在场,人的诊断可能会造成误诊。因此,有必要使用更稳健的方法来实现故障检测的自动化。近些年随着人工神经网路的兴起,为滚动轴承故障诊断提供了一定的参考。由于轴滚动轴承发生故障时通常以振动的形式反应轴承动态特征的变化。但由于在轴承运转过程中会受到一定程度的背景噪声干扰,不仅如此轴承传递路径也会影响轴承故障诊断的准确性。因此,如何减少背景噪声对轴承振动信号的污染,同时还可以在复杂路径的前提下提取轴承微弱故障信息将成为轴承故障诊断的关键。
[0003]局部均值分解(LMD)是一种自适应的信号处理方法,由Smith在2005年提出。LMD适用于将非线性和非平稳的振动信号分解为一系列的乘积函数(PF),每个PF是包络信号和纯频率调制信号的乘积,从中可以得到具有物理意义的瞬时频率。LMD表面上与经验模态分解(EMD)相似,但是目前已经证明 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于LMD分解与GWO
‑
PNN的滚动轴承故障诊断方法,其特征在于,包括:进行滚动轴承故障试验,采集故障轴承的振动信号,形成数据集,数据集内的数据按照时间进行排序;获取数据集内的故障轴承的振动信号,采用LMD算法对采集得到的滚动轴承的振动信号x(t)进行分解,分解出不同的PF分量;对PF分量分别进行峭度值、相关系数和能量比计算,而后通过归一化处理对PF分量进行筛选,并对筛选后的PF分量进行线性重构,得到重构后的振动信号;通过多尺度排列熵对重构后的振动信号进行特征提取,而后通过KPCA对振动信号进行将维处理;将降维处理后的振动信号输入至PNN神经网络内,而后通过灰狼算法GWO优化PNN神经网络的平滑因子,通过优化后的平滑因子重构PNN神经网络,进行振动信号故障诊断,获得诊断结果。2.如权利要求1所述的基于LMD分解与GWO
‑
PNN的滚动轴承故障诊断方法,其特征在于,对于任意一个振动信号x(t),通过LMD算法对其进行分解的方法为:采用局部平均函数m
11
(t)和局部包络线函数a
11
(t),找出信号x(t)的所有局部极端点p
i
,并计算相邻极端点的均值m
i
和包络函数值a
i
:m
i
=(p
i+1
+p
i
)/2a
i
=|p
i+1
‑
p
i
|/2通过局部平均函数和局部包络线函数计算处所有局部平均点和局部包络点,用线连接所有局部平均点和局部包络点,而后采用移动平均法对局部平均点和局部包络点的连接线进行平滑处理,得到局部平均函数m
11
(t)和局部包络函数a
11
(t);设置纯频率调制函数,通过局部包络函数确定终止条件,对纯频率调制函数进行重复迭代计算,直至纯频率调制函数收敛,纯频率调制函数和局部包络函数分别为:h
11
(t)=x(t)
‑
m
11
(t)s
11
(t)=h
11
(t)/a
11
(t)终止条件为:3.如权利要求2所述的基于LMD分解与GWO
技术研发人员:刘永泉,郭小鹏,何俊杰,杜少辉,安中彦,高强,沙云冬,栾孝驰,庞广龙,
申请(专利权)人:中国航发沈阳发动机研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。