一种基于熵分析的轴承故障诊断方法技术

本发明专利技术公开了一种基于熵分析的轴承故障诊断方法，涉及轴承故障诊断技术领域；它的方法如下：步骤一：滚动轴承振动信号的信号去噪方法；步骤二：滚动轴承振动信号的特征提取方法；步骤三：滚动轴承振动信号的分类方法：采用灰狼优化算法来寻求最优参数；本发明专利技术采用三种组合算子构成一组新的形态算子，可有效的提取出信号中的正负冲击特征，基于新算子提出了加权多尺度形态滤波方法，并将Teager能量峭度作为评判指标为各尺度提供优化的权值，将选择性自适应权值与多尺度算子进行加权绑定得到优化的故障特征提取结果。化的故障特征提取结果。化的故障特征提取结果。

【技术实现步骤摘要】
一种基于熵分析的轴承故障诊断方法


[0001]本专利技术属于轴承故障诊断
，具体涉及一种基于熵分析的轴承故障诊断方法。

技术介绍

[0002]机械设备在生产运行过程中，滚动轴承一旦发生故障，将导致一系列的连锁反应，会导致该设备或者是与该设备相关联的设备出现故障。国内外因滚动轴承所导致的安全事故层出不穷。
[0003]如果能够准确的排查出滚动轴承失效的根本原因并及时将故障排除，不仅能够保证生产设备的正常运行和减少维修成本，还降低了由滚动轴承故障带来事故的概率，从而为企业和社会带来极大的经济收益。根据相关数据了解到，轴承故障占据机械故障的30％。

技术实现思路

[0004]为解决
技术介绍
中的问题；本专利技术的目的在于提供一种基于熵分析的轴承故障诊断方法。
[0005]本专利技术的一种基于熵分析的轴承故障诊断方法，它的方法如下：
[0006]步骤一：滚动轴承振动信号的信号去噪方法：一种选择性自适应加权多尺度组合形态滤波方法，从振动信号中提取故障特征；首先，采用三种组合算子构成一组新的形态算子，可有效的提取出信号中的正负冲击特征；其次，基于新算子提出了加权多尺度形态滤波方法，并将Teager能量峭度作为评判指标为各尺度提供优化的权值；最后，将选择性自适应权值与多尺度算子进行加权绑定得到优化的故障特征提取结果。
[0007]步骤二：滚动轴承振动信号的特征提取方法：
[0008]多样性熵利用相邻轨道间的余弦相似度来跟踪内部模式变化，从而量化动态复杂性；针对多尺度多样性熵对高频信息提取不足以及层次多样性熵熵值不稳定的缺点，提出一种多尺度集成多样性熵提取故障信号特征。
[0009]步骤三：滚动轴承振动信号的分类方法：
[0010]采用灰狼优化算法来寻求最优参数。
[0011]与现有技术相比，本专利技术的有益效果为：
[0012]一、采用三种组合算子构成一组新的形态算子，可有效的提取出信号中的正负冲击特征。
[0013]二、基于新算子提出了加权多尺度形态滤波方法，并将Teager能量峭度作为评判指标为各尺度提供优化的权值。
[0014]三、将选择性自适应权值与多尺度算子进行加权绑定得到优化的故障特征提取结果。
附图说明
[0015]为了易于说明，本专利技术由下述的具体实施及附图作以详细描述。
[0016]图1为本专利技术中AWMCMF去噪算法流程图；
[0017]图2为本专利技术中MDE算法流程图；
[0018]图3为本专利技术中层次分解示意图；
[0019]图4为本专利技术中HDE算法流程图；
[0020]图5为本专利技术中MEDE流程图；
[0021]图6为本专利技术中全寿命周期数据图；
[0022]图7为本专利技术中MDE熵值曲线图；
[0023]图8为本专利技术中HDE熵值曲线图；
[0024]图9为本专利技术中MEDE熵值曲线图。
具体实施方式
[0025]为使本专利技术的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本专利技术。但是应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
能涵盖的范围内。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。
[0026]在此，还需要说明的是，为了避免因不必要的细节而模糊了本专利技术，在附图中仅仅示出了与根据本专利技术的方案密切相关的结构和/或处理步骤，而省略了与本专利技术关系不大的其他细节。
[0027]本具体实施方式采用以下技术方案：
[0028]一、滚动轴承振动信号的信号去噪方法：
[0029]1.1数学形态学滤波：
[0030]形态学基本变换包括膨胀、腐蚀、开运算、闭运算四种。传统的形态滤波器主要由这四种基本算子组合构成，常见的形态滤波器有以下几种：
[0031]形态平均(Average Operator,AVG)算子
[0032][0033]形态差值(Difference Morphological,DIF)算子
[0034][0035]形态梯度(Morphological Gradient,MG)算子
[0036][0037]形态开闭(Open
‑
closing,OC)和闭开(Close
‑
opening,CO)算子
[0038][0039][0040]为了克服开
‑
闭合闭
‑
开算子滤波结果出现统计偏倚缺陷，采用开闭
‑
闭开组合形态滤波算子
[0041][0042]由于四种基本算子对信号中的脉冲分量提取的特性不同，并且将4个基本算子组合能进一步增强算子对脉冲提取的效果，提出三种组合算子；
[0043]闭
‑
膨胀
‑
腐蚀算子(Closing
‑
dilation
‑
erosion,CDE)
[0044][0045]腐蚀
‑
开
‑
膨胀算子(Erosion
‑
opening
‑
dilation,EOD)
[0046][0047]开
‑
腐蚀
‑
膨胀算子(opening
‑
erosion
‑
dilation,OED)
[0048][0049]其中F
CDE
将负脉冲消除，保留并平滑了正脉冲，而F
EOD
、F
OED
|的效果相反。为了能同时提取出正负冲击特征，将三种算子组合作差构成一组新的组合形态算子(Enhanced Difference Morphological Filer,EDMF)。
[0050]F
CDE
‑
OED
(f(n))＝(F
CDE
(f(n))
‑
F
OED
(f(n)))/2
ꢀꢀꢀ
(10)
[0051]F
CDE
‑
EOD
(f(n))＝(F
CDE
(f(n))
‑
F
EOD
(f(n)))/2
ꢀꢀꢀ
(11)
[0052][0053]在对信号进行处理时，若采用不同尺度的结构元素对信号进行分析，能得到更加全面的结果，即多尺度形态学分析。
[0054]令λg为尺度λ下的结构元素，λg是单位结构元素经过λ
...

【技术保护点】

【技术特征摘要】
1.一种基于熵分析的轴承故障诊断方法，其特征在于：它的方法如下：步骤一：滚动轴承振动信号的信号去噪方法：一种选择性自适应加权多尺度组合形态滤波方法，从振动信号中提取故障特征；首先，采用三种组合算子构成一组新的形态算子，可有效的提取出信号中的正负冲击特征；其次，基于新算子提出了加权多尺度形态滤波方法，并将Teager能量峭度作为评判指标为各尺度提供优化的权值；最后，将选择...

【专利技术属性】
技术研发人员：袁丽英，黄鸣潇，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：