基于倒谱编辑与谱平均负熵的轴承定量诊断方法技术

本发明专利技术提供一种基于倒谱编辑与谱平均负熵的轴承定量诊断方法，其包括以下步骤：S1、采集被测滚动轴承外表面时域信号，并对采集的信号进行预处理；S2、将时域信号变换至倒谱域进行倒谱编辑；S3、确定最优频带；S4、对最优频带对应的时域信号进行滤波，得到双冲击故障信号；S5、基于双冲击故障信号计算滚动轴承外圈故障尺寸。本发明专利技术通过将负熵值进行平均作为最终体现故障信息所在频带的判定指标，能够避免幅值较大的随机冲击给信号频带选择带来的错误影响，可以直接进行自动判断，提升了判断的效率和准确度。效率和准确度。效率和准确度。

【技术实现步骤摘要】
基于倒谱编辑与谱平均负熵的轴承定量诊断方法


[0001]本专利技术涉及机械设备故障诊断
，具体涉及一种基于倒谱编辑与谱平均负熵的轴承定量诊断方法。

技术介绍

[0002]作为旋转机械的关键部件，轴承的健康状态直接关系到总体设备是否能正常运行。能够识别出轴承故障初期有助于预防性维修，减少生产损失。目前，对滚动轴承进行故障诊断可以利用振动信号、声发射、温度、铁谱等分析手段。声发射是材料中具有裂纹形成、扩展和断裂时，快速释放出应变能而产生瞬态弹性波的一种现象。当轴承发生故障后，滚子转入损伤区域时会施加应力，产生具有微裂纹特征的滑移面运动，这导致了损伤材料内部产生瞬态弹性波。这些弹性波在传播过程中会经过空气等介质，发生耦合与反射等等现象，最终被声发射传感器所接收。随着缺陷尺寸增大，声发射幅值水平增加比振动信号显著得多。声发射技术具有不受机械背景噪声干扰、灵敏度高、对早期故障敏感等优点。这些特点使声发射技术在轴承定量诊断中拥有更大的潜力。基于声发射信号的连续特征，有研究通过实时监测声发射信号，并利用相关指标的变化趋势判断轴承故障的发展演化阶段。基于声发射信号的离散特征，通过识别进入和退出损伤区域的时刻可以判断轴承故障的尺寸大小以及损伤程度，也可以实现轴承定量诊断，且更加适合应用于测试经验较少、缺乏先验数据集的检测对象。进行轴承的定量诊断可以便于根据现场情况制定对应的维护与更换策略，同时也能够进一步促进机理研究，揭示故障的演化规律，提供可靠性评估依据。
[0003]目前许多研究针对轴承双冲击这一物理现象进行了研究和解释，并通过理论推导与试验建立了轴承双冲击间隔与故障尺寸之间的关系。对于实际轴承缺陷来说，损伤大小计算的准确程度取决于双冲击时间间隔的准确提取。但声发射信号在采集过程中，往往会被电磁噪声淹没，被随机冲击干扰，这会对双冲击特征的提取产生较大影响。此外，双冲击信号的幅值随着故障扩展会明显增大，这意味着故障早期的双冲击信号往往幅值很小且淹没在噪声中，对故障信息提取能力要求较高。大多数已有常见信号处理方法很难同时解决这些问题，需要开发一种基于声发射信号特点的针对性解决方案，解决上述现有技术中存在的缺陷。

技术实现思路

[0004]为了解决上述现有技术的不足，本专利技术提出一种基于倒谱编辑与谱平均负熵的轴承定量诊断方法，其一方面能够靶向去除电磁噪声、增强故障信息，另一方面又能够检测更早期故障、减小随机冲击影响，能够进行轴承双冲击的准确提取，实现轴承定量诊断，为轴承定量诊断提供一种新思路。
[0005]具体地，本专利技术提供一种基于倒谱编辑与谱平均负熵的轴承定量诊断方法，其包括以下步骤：
[0006]S1、采集被测滚动轴承外表面时域信号，并对采集的信号进行预处理；
[0007]S2、将时域信号变换至倒谱域进行倒谱编辑，具体包括以下子步骤：
[0008]S21、将时域信号变换至倒谱域，计算公式如下：
[0009][0010][0011][0012]其中，与分别表示傅里叶变换与反变换运算，A(f)表示傅里叶变换后的实部，φ(f)表示傅里叶变换后的虚部，j为虚数单位，F(f)为频域信号，C
c
(τ)为复倒谱域信号，C
r
(τ)为实倒谱域信号；
[0013]S22、在倒谱域编辑增强故障信息，利用轴承故障特征阶次计算倒谱域对应的冲击间隔，并在该间隔区间加矩形窗增强故障信息，其他区域置零，编辑增强故障信息计算公式如下：
[0014][0015][0016]C(τ)＝C
r
(τ)
·
w(τ)
[0017]其中，a为矩形窗幅值，k为自然数，f
c
为轴承故障特征频率，T0为矩形窗的长度，w(τ)为窗函数，T用来依据周期性规定τ的取值边界，其中下角标l为左侧取值边界，下角标r为右侧取值边界；
[0018]S23、在倒谱域编辑减弱转子引入噪声，利用转速信息计算倒谱域对应的冲击间隔，并进行平滑处理，编辑减弱转子引入噪声公式如下：
[0019][0020][0021]其中，f
s
为采样频率，T
r
为故障特征周期及其倍数，f
r
为轴的旋转频率，k为自然数；C
r
(τ)代表经过前步处理后的倒谱域信号；
[0022]S24、在倒谱域编辑减弱电磁噪声，将对应高频部分的倒谱域信号前端通过汉宁窗滤波，减弱电磁噪声的同时消除激励函数的影响；编辑减弱电磁噪声公式如下：
[0023][0024]C(τ)＝C
r
(τ)
·
h(τ)
[0025]其中，h(τ)为窗函数，b为汉宁窗幅值，T
h
为汉宁窗的长度；
[0026]S3、确定最优频带，具体包括以下子步骤：
[0027]S31、利用负熵指标表征系统增加其组织程度的倾向，负熵指标通过以下公式计
算：
[0028][0029]其中，p(y)为概率密度函数，p
G
(y)为与p(y)具有相同协方差的高斯分布；
[0030]S32、在每个故障特征周期内分别计算负熵值，并计算多个负熵值的平均值，得到平均负熵指标；该步骤计算方法如下：
[0031][0032][0033]其中，N为信号中包含故障特征周期的数量，J(n)代表各周期内的负熵值，y为积分变量，n为1，......N；
[0034]S33、利用谱峭度窄带图的构造方法，将平均负熵指标以窄带图的方式进行表示，选择最优频带的带宽B
w
和中心频率f
i
分别为：
[0035]B
w
＝f
s
·2‑
m
‑1[0036]f
i
＝B
w
·
(i
‑2‑1)
[0037][0038]其中，i为平均负熵指标最大值对应层中滤波器序数，n为平均负熵指标最大值所对应的分解层数，m为滤波器组边界；
[0039]S4、对最优频带对应的时域信号进行滤波，得到双冲击故障信号；根据双冲击时间间隔计算对应的采样点数，计算方法为：
[0040]T
i
＝Δt
·
f
s
；
[0041]其中，T
i
为双冲击间隔对应的采样点数，Δt为时间间隔；
[0042]S5、基于双冲击故障信号计算滚动轴承外圈故障尺寸。
[0043]优选地，步骤S22中为保留冲击共振频率，置零过程中保留零点位置幅值。
[0044]优选地，步骤S5中滚动轴承外圈故障尺寸计算公式为：
[0045][0046]其中T
i
为双冲击间隔对应的采样点数，D
p
为轴承节径，d为轴承内径，f
r
为旋转频率，f
s
为采样频率。
[0047]优选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于倒谱编辑与谱平均负熵的轴承定量诊断方法，其特征在于：其包括以下步骤：S1、采集被测滚动轴承外表面时域信号，并对采集的信号进行预处理；S2、将时域信号变换至倒谱域进行倒谱编辑，具体包括以下子步骤：S21、将时域信号变换至倒谱域，计算公式如下：S21、将时域信号变换至倒谱域，计算公式如下：S21、将时域信号变换至倒谱域，计算公式如下：其中，与分别表示傅里叶变换与反变换运算，A(f)表示傅里叶变换后的实部，φ(f)表示傅里叶变换后的虚部，j为虚数单位，F(f)为频域信号，C
c
(τ)为复倒谱域信号，C
r
(τ)为实倒谱域信号；S22、在倒谱域编辑增强故障信息，利用轴承故障特征阶次计算倒谱域对应的冲击间隔，并在该间隔区间加矩形窗增强故障信息，其他区域置零，编辑增强故障信息计算公式如下：下：C(τ)＝C
r
(τ)
·
w(τ)其中，a为矩形窗幅值，k为自然数，f
c
为轴承故障特征频率，T0为矩形窗的长度，w(τ)为窗函数，T用来依据周期性规定τ的取值边界，其中下角标l表示左侧取值边界，下角标r表示右侧取值边界；S23、在倒谱域编辑减弱转子引入噪声，利用转速信息计算倒谱域对应的冲击间隔，并进行平滑处理，编辑减弱转子引入噪声公式如下：进行平滑处理，编辑减弱转子引入噪声公式如下：其中，f
s
为采样频率，T
r
为故障特征周期及其倍数，f
r
为轴的旋转频率，k为自然数；C
r
(τ)代表经过前步处理后的倒谱域信号；S24、在倒谱域编辑减弱电磁噪声，将对应高频部分的倒谱域信号前端通过汉宁窗滤波，减弱电磁噪声的同时消除激励函数的影响；编辑减弱电磁噪声公式如下：C(τ)＝C
r
(τ)
·
h(τ)
其中，h(τ)为窗函数，b为汉宁窗幅值，T
h
为汉宁窗的长度；S3、确定最优频带，具体包括以下子步骤：S31、利用负熵指标表征系统增加其组织程度的倾向，负熵指标通过以下公式计算：其中，p(y)为概率密度函数，p
G
(y)为与p(y)具有相同协方差的高斯分布；S32、在每个故障特征周期内分别计算负熵值，并计算多个负熵值的平均值...

【专利技术属性】
技术研发人员：林京，沈田，刘宗阳，李豪，张博瑶，路鑫宇，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：