基于最小非概率熵解卷积的涡轮泵滚动轴承故障诊断方法技术

技术编号:38326136 阅读:21 留言:0更新日期:2023-07-29 09:08
本发明专利技术公开基于最小非概率熵解卷积的涡轮泵滚动轴承故障诊断方法,采集涡轮泵的滚动轴承的原始振动信号,计算原始振动信号的时域滤波矩阵;根据原始振动信号的时域滤波矩阵与初始逆滤波器向量,通过逆滤波器向量的迭代求解公式,计算新的逆滤波器向量;利用新的逆滤波器向量对原始振动信号进行滤波处理得到滤波信号,并计算滤波信号的非概率熵;继续迭代求解逆滤波器向量,直至达到设定的迭代次数,选择非概率熵最小的滤波信号作为目标信号;对目标信号进行包络解调分析,提取轴承故障特征。本发明专利技术能够在强噪声背景下提取轴承的微弱周期性脉冲,可以有效避免液体火箭发动机因滚动轴承故障造成的经济损失与人员伤亡,具有重要参考价值。要参考价值。要参考价值。

【技术实现步骤摘要】
基于最小非概率熵解卷积的涡轮泵滚动轴承故障诊断方法


[0001]本专利技术属于液体火箭发动机故障诊断
,涉及基于最小非概率熵解卷积的涡轮泵滚动轴承故障诊断方法。

技术介绍

[0002]涡轮泵轴承作为液体火箭发动机涡轮泵的关键部件,采用固体润滑,工作在超低温高转速重载荷条件下。恶劣环境下工作的氧泵轴承,容易出现疲劳剥落、损坏、断裂等故障。当轴承失效时,转子系统的刚度、阻尼和外部激振力都会发生变化,使得转子系统不稳定,振动加剧,轴向浮动。最后导致转子与其他部件发生摩擦,涡轮泵爆炸,严重影响着涡轮泵以及发动机工作的安全性和可靠性。因此开展液体火箭发动机涡轮泵轴承的故障诊断研究对于我国航天发射活动具有重要意义。
[0003]极端工况下涡轮泵轴承,还受到复杂结构振动、流体激振等的影响。采集涡轮泵轴承振动信号的传感器安装在涡轮泵壳体上,测点与振动源之间有着复杂的传递路径,这导致振动信号成分十分复杂,信噪比非常低,转子的谐波十分强烈。轴承故障产生的冲击淹没在能量巨大的干扰噪声中,提取强背景噪声下的涡轮泵轴承的微弱故障特征是亟需解决的难题。...

【技术保护点】

【技术特征摘要】
1.基于最小非概率熵解卷积的涡轮泵滚动轴承故障诊断方法,其特征在于,包括以下步骤:步骤1:采集涡轮泵的滚动轴承的原始振动信号,去均值后计算原始振动信号的时域滤波矩阵;步骤2:根据原始振动信号的时域滤波矩阵与初始逆滤波器向量,通过逆滤波器向量的迭代求解公式,计算新的逆滤波器向量;步骤3:利用新的逆滤波器向量对原始振动信号进行滤波处理得到滤波信号,并计算滤波信号的非概率熵;步骤4:继续迭代求解逆滤波器向量,直至达到设定的迭代次数,选择非概率熵最小的滤波信号作为目标信号;步骤5:对目标信号进行包络解调分析,提取轴承故障特征,实现涡轮泵的滚动轴承的故障诊断。2.根据权利要求1所述的基于最小非概率熵解卷积的涡轮泵滚动轴承故障诊断方法,其特征在于,原始振动信号的时域滤波矩阵为:其中,x
n
表示测量得到振动信号的样本点,n=1,2,

,N,N为原始振动信号的采样长度,L为逆滤波器向量长度。3.根据权利要求1所述的基于最小非概率熵解卷积的涡轮泵滚动轴承故障诊断方法,其特征在于,逆滤波器向量的迭代求解公式采用高斯

赛德尔方法获取。4.根据权利要求1所述的基于最小非概率熵解卷积的涡轮泵滚动轴承故障诊断方法,其特征在于,逆滤波器向量的迭代求解公式为:f=arg min
f
...

【专利技术属性】
技术研发人员:陈禛怡朱远航訾艳阳杜飞平陈晖石振赵宇豪
申请(专利权)人:西安交通大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1