【技术实现步骤摘要】
基于优化时空固有模态分解的轴承复合故障诊断方法
[0001]本专利技术涉及轴承复合故障诊断
,尤其涉及一种基于优化时空固有模态分解的轴承复合故障诊断方法。
技术介绍
[0002]当前的轴承复合故障诊断技术存在从多通道滚动轴承复合故障振动信号中难以准确分离出多种冲击故障分量的严重问题,如何专利技术一种新的优化技术解决此技术缺陷是该领域亟待解决的问题。
技术实现思路
[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊,而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述现有存在的问题,提出了本专利技术。
[0005]因此,本专利技术提供了一种基于优化时空固有模态分解的轴承复合故障诊断方法,针对从多通道滚动轴承复合故障振动信号中难以准确分离出多种冲击故障分量的问题,提出通过快速谱峭度对时空固有模态分解方法进行参数优化的方法,来实现从振动中提取复合故障特征。
[0006]为解决上述技术问题,本专利技术提供如下技术方案,一种基于优化时空固有模态分解的轴承复合故障诊断方法,包括:
[0007]通过多通道轴承复合故障振动信号的仿真或实验数据获取信息;
[0008]选择更新迭代和标准化向量,并判断收敛;
[0009]建立傅里叶字典,通过快速谱峭度分析故障频带;
[0010]选择初始相位函数 ...
【技术保护点】
【技术特征摘要】
1.基于优化时空固有模态分解的轴承复合故障诊断方法,其特征在于:包括,通过多通道轴承复合故障振动信号的仿真或实验数据获取信息;选择更新迭代和标准化向量,并判断收敛;建立傅里叶字典,通过快速谱峭度分析故障频带;选择初始相位函数,求解最小化问题,匹配追踪获得分量;分析判断故障。2.如权利要求1所述的基于优化时空固有模态分解的轴承复合故障诊断方法,其特征在于:所述获取信息是指通过压电式加速度传感器采集多通道振动信息。3.如权利要求2所述的基于优化时空固有模态分解的轴承复合故障诊断方法,其特征在于:所述选择更新迭代和标准化向量包括,建立轴承复合故障振动仿真信号如下:在于:所述选择更新迭代和标准化向量包括,建立轴承复合故障振动仿真信号如下:在于:所述选择更新迭代和标准化向量包括,建立轴承复合故障振动仿真信号如下:B(t)=0.3cos(2πf1t)+0.2cos(2πf2t)A
m
=1+A0cos(2πf
r
t)t)其中,x(t)和y(t)分别表示内圈和外圈周期性故障冲击信号,A0表示振幅,f
r
表示转频,C1、C2表示衰减系数,f
n1
、f
n2
表示共振频率,f1、f2表示干扰谐波B(t)中载波频率,内圈故障特征频率为外圈故障特征频率为混合矩阵4.如权利要求3所述的基于优化时空固有模态分解的轴承复合故障诊断方法,其特征在于:所述选择更新迭代和标准化向量还包括,通过归一化判断是否收敛,若收敛则通过经验模态分解方法建立傅里叶基字典;对观测信号进行预处理得到新信号,w为解混矩阵W中的行向量,FastICA算法通过不动点迭代算法最大化矢量w
T
z的非高斯性,FastICA算法的目标函数为:J(w)=[E{G(w
T
z)
‑
E{G(v)}]2其中,G为任意非二次函数,v为均值和单位误差函数均为零的高斯随机变量,通过最大化J(w)得到最优值,当||w||2=1的时,负熵J(ω)最大,E{G(w
T
z)}最大;通过拉格朗日乘子算法得到不动点算法的目标函数为:L(w)=E{G(w
T
z)+β||w||}其中,β是一个常数,所以优化问题等价于:
E{zg(w
T
z)}+βw=0其中,函数g表示G的导数;等式左边保持不变:F(w)=E{zg(w
T
z)}+βwF(w)的梯度为:其中,T表示转置,通过方程的近似处理,获得FastICA算法的最终迭代形式:w
←
E{zg(w
T
z)}
‑
E{g
′
(w
T
z)}w。5.如权利要求4所述的基于优化时空固有模态分解的轴承复合故障诊断方法,其特征在于:所述判断收敛包括,通过归一化判断是否收敛,若收敛则通过经验模态分解方法建立傅里叶基字典;所述归一化包括,权值向量在每次迭代后进行归一化:其中,各个变量的...
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。