用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法技术

本发明专利技术公开一种用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法，对强变转速工况下滚动轴承的振动信号进行降噪，然后通过最大化局部匹配峭度算子自适应确定信号各频带的最优时变调频频率，然后得到多分量信号的高分辨时频分布；对能量进行重分配获取具有最小损失的目标脊线；根据具有最小损失的目标脊线，提取瞬时转频的高次谐波的时域波形，获取瞬时转速的相位信息；利用瞬时转速的相位信息对滤波信号进行角域重采样与包络解调分析，得到轴承的故障特征阶次图。本发明专利技术能克服由信号强调频调幅特性引起的时频分布聚集性低和瞬时转速估计模糊问题，实现强变转速条件下滚动轴承基频及倍频的准确估计。轴承基频及倍频的准确估计。轴承基频及倍频的准确估计。

【技术实现步骤摘要】
用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法


[0001]本专利技术属于机械振动信号与强变转速工况环境下滚动轴承故障诊断领域，具体涉及一种用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法。

技术介绍

[0002]滚动轴承是机械设备中的重要组成部分，其运行可靠性和工作状况直接决定了机械设备是否能长时间安全平稳地运行。传统的滚动轴承故障诊断方法大多以恒定转速及弱变转速工况为研究对象，对强变转速工况下滚动轴承的故障诊断方法研究较少。然而，在实际工程中滚动轴承往往工作在转速剧烈波动的工况下，例如火箭发动机系统涡轮泵中的轴承在起停机阶段转速在短短的几秒内由停止加速到额定转速，这几秒内轴承运行状态的好坏直接决定发射的成功与否；此外，由于机械设备大多结构紧凑，富余空间少，难以直接利用转速传感器测量转速。因此，开展强变转速工况下滚动轴承无键相阶次跟踪方法研究具对设备安全可靠运行具有重要意义。
[0003]无键相阶次跟踪技术是当前解决转速无法直接获取的时变转速信号分析的主要方法。无键相阶次跟踪技术的核心在于变转速信号的瞬时转频提取，瞬时转频提取的好坏直接决定了最终的阶次跟踪结果；常用的无键相阶次跟踪技术难以克服由强变转速信号的强调频调幅特性引起的时频分布聚集性过低和瞬时转频模糊问题，这导致提取的故障特征阶次不够准确。因此，针对现有无键相阶次跟踪结束难以提取强调频调幅信号瞬时转频的不足，如何提升信号时频分布精度、准确提取瞬时转频是一个有待解决的问题。

技术实现思路

[0004]本专利技术的目的是为了克服现有时频分析技术存在难以实现强变转速信号高精度时频分析、瞬时转频模糊等问题，提出了一种用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法，该方法能够在无键相信号情况下实现强变转速信号基频及其倍频的准确提取，实现强变转速工况下滚动轴承故障诊断。
[0005]为实现上述目的，本专利技术采用以下技术方案来实现：
[0006]一种用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法，包括如下步骤：
[0007](1)对强变转速工况下滚动轴承的振动信号进行降噪，得到信号低频特征；
[0008](2)对信号低频特征通过最大化局部匹配峭度算子自适应确定信号各频带的最优时变调频频率，然后利用匹配Chirplet变换得到多分量信号的高分辨时频分布；
[0009](3)以频率方向的局部最大值为中心，利用局部最大同步压缩变换算子对能量进行重分配；
[0010](4)采用基于代价函数的脊提取算法，根据能量重分配后的全局最优时频分布，获取具有最小损失的目标脊线；
[0011](5)根据步骤(4)获得的具有最小损失的目标脊线，提取瞬时转频的高次谐波的时域波形，获取瞬时转速的相位信息；
[0012](6)利用中心频率和最佳带宽对强变转速工况下滚动轴承的振动信号进行带通滤波，得到滤波信号；
[0013](7)利用步骤(5)获取的瞬时转速的相位信息对步骤(6)中滤波信号进行角域重采样与包络解调分析，得到轴承的故障特征阶次图。
[0014]进一步的，步骤(2)具体过程如下：
[0015]根据变调频频率c对步骤(1)得到的信号低频特征信号进行匹配Chirplet变换，获得不同时变调频频率c下的时频分布G(c,t,ω):
[0016][0017]其中，t
′
为时间，ω为频率，g(u
‑
t
′
)为高斯窗函数，s(u)为离散信号，i为虚数标志，u为自变量，
‑
c(u
‑
t
′
)2/2为解调算子；
[0018]随后，设置频段离散数为N
c
，沿频率方向将信号在t
c
时刻的频谱范围划分为N
c
个等间隔频段，根据局部匹配峭度算子LK(c,t
c
,N
c
)，计算信号t
c
时刻各频段由不同时变调频频率产生的局部匹配峭度LK(c,t
c
,N
c
)；
[0019]最后，通过最大化信号在t
c
时刻各频段的局部匹配峭度算子LK(c,t
c
,N
c
)，获得t
c
时刻的局部时变调频频率序列得到全局最优时频分布
[0020]进一步的，信号t
c
时刻第i
n
个频段由不同时变调频频率产生的局部匹配峭度通过下式计算：
[0021][0022][0023][0024][0025][0026]式中，为t
c
时刻信号在第i
n
个频段的最优时变调频频率，为t
c
时刻信号在第1频段的最优时变调频频率，为t
c
时刻信号在第2频段的最优时变调频频率，为t
c
时刻信号在第N
c
频段的最优时变调频频率；
[0027]进一步的，步骤(3)具体过程为：
[0028]首先，对步骤(2)得到的多分量信号的高分辨时频分布，选择频率方向的局部最大值为中心，根据满足不同瞬时频率信号分离条件的频带带宽将频谱划分为若干个频段：
[0029]然后，利用局部最大同步压缩算子ω
m
(c,t,ω)，以局部最大值为中心，沿着频率方向对步骤(2)得到的多分量信号的高分辨时频分布进行能量重分配，得到能量重分配后的全局最优时频分布。
[0030]进一步的，满足不同瞬时频率信号分离条件的频带带宽满足下式：
[0031][0032]其中，Δ为满足不同瞬时频率信号分离条件的频带带宽，为第k+1个组成分量的瞬时频率，为第k个组成分量的瞬时频率；
[0033]能量重分配后的全局最优时频分布如下所示：
[0034][0035][0036]其中，ω
m
(c,t,ω)为局部最大同步压缩算子，δ为德尔塔函数，η表示能量重分配后的频域坐标。
[0037]进一步的，步骤(4)具体过程下：
[0038]搜索能量重分配后的全局最优时频分布中能量最大的点作为时频脊线的初始点，并根据初始点得到代价函数的递推更新公式；
[0039]最后，根据初始点、最大频率变换范围和递推更新公式，沿着时间轴分别向初始点两侧搜索最小代价函数点，得到目标脊线。
[0040]进一步的，代价函数的递推更新公式如下：
[0041][0042][0043]其中，j为自变量，t
m
为最大时频能量点的横坐标，m为t
m
对应的坐标，ω
m
为最大时频能量点的纵坐标，ω(t
j
)为t
j
时刻最大时频能量点对应的纵坐标，T
s
＝F
s
/2为时频分布的频域范围；C1为幅值变换权重，C2为曲线梯度权重，Cost为代本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法，其特征在于，包括如下步骤：(1)对强变转速工况下滚动轴承的振动信号进行降噪，得到信号低频特征；(2)对信号低频特征通过最大化局部匹配峭度算子自适应确定信号各频带的最优时变调频频率，然后利用匹配Chirplet变换得到多分量信号的高分辨时频分布；(3)以频率方向的局部最大值为中心，利用局部最大同步压缩变换算子对能量进行重分配；(4)采用基于代价函数的脊提取算法，根据能量重分配后的全局最优时频分布，获取具有最小损失的目标脊线；(5)根据步骤(4)获得的具有最小损失的目标脊线，提取瞬时转频的高次谐波的时域波形，获取瞬时转速的相位信息；(6)利用中心频率和最佳带宽对强变转速工况下滚动轴承的振动信号进行带通滤波，得到滤波信号；(7)利用步骤(5)获取的瞬时转速的相位信息对步骤(6)中滤波信号进行角域重采样与包络解调分析，得到轴承的故障特征阶次图。2.根据权利要求1所述的用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法，其特征在于，步骤(2)具体过程如下：根据变调频频率c对步骤(1)得到的信号低频特征信号进行匹配Chirplet变换，获得不同时变调频频率c下的时频分布G(c,t,ω):其中，t
′
为时间，ω为频率，g(u
‑
t
′
)为高斯窗函数，s(u)为离散信号，i为虚数标志，u为自变量，
‑
c(u
‑
t
′
)22为解调算子；随后，设置频段离散数为N
c
，沿频率方向将信号在t
c
时刻的频谱范围划分为N
c
个等间隔频段，根据局部匹配峭度算子LK(c,t
c
,N
c
)，计算信号t
c
时刻各频段由不同时变调频频率产生的局部匹配峭度LK(c,t
c
,N
c
)；最后，通过最大化信号在t
c
时刻各频段的局部匹配峭度算子LK(c,t
c
,N
c
)，获得t
c
时刻的局部时变调频频率序列得到全局最优时频分布3.根据权利要求2所述的用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法，其特征在于，信号t
c
时刻第i
n
个频段由不同时变调频频率产生的局部匹配峭度通过下式计算：
式中，为t
c
时刻信号在第i
n
个频段的最优时变调频频率，为t
c
时刻信号在第1频段的最优时变调频频率，为t
c
时刻信号在第2频段的最优时变调频频率，为t
c
时刻信号在第N
c
频段的最优时变调频频率。4.根据权利要求1所述的用于强变转速下滚动轴承故障诊断的无键相阶次跟踪方法，其特征在于，步骤(3)具体过程为：首先，对步骤(2)得到的多分量信号的高分辨时频分布，选择频率方向的局部最大值为中心，根据满足不同瞬时频率信号分离条件的频带带宽将频谱划分为若干个频段：然后，利用局部最大同步压缩算子ω
...

【专利技术属性】
技术研发人员：陈禛怡，夏伟钧，訾艳阳，李爱民，赵剑，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：