【技术实现步骤摘要】
基于迭代似然比检验的轴承故障自动检测方法及系统
[0001]本专利技术涉及轴承故障周期性信号建模和周期自动检测
,具体地,涉及一种基于迭代似然比检验的轴承故障自动检测方法及系统
。
技术介绍
[0002]周期信号是信号处理中必不可少的研究对象之一,普遍存在于生物医学信号处理
[1]、
无线通信
[2
‑
3]、
振动信号处理
[4
‑
6]等多种应用中
。
其中,轴承故障检测起源于工业发展初期的恒定工况,且已经积累了一定成果,该领域的研究已相对成熟
。
传统的检测技术大多基于振动信号的时域
、
频域等信息,通过提取并分析振动信号的相关特征,与健康状态下产生的振动信号的特征指标对比,分析设备当前的运行状态,判断是否存在潜在故障
。
本技术重点关注轴承单点故障导致的周期性故障周期检测问题
。
[0003]通常,如果背景噪声足够弱,则可以在频域中对周期信号进行处理以估计其周期
。
这些方法包括周期图
[7
‑
10]、
谱峰度
[11
‑
13]、
小波变换
[14
‑
15]和多信号分类方法
[16
‑
17].
然而,当信号被强背景噪声污染时,这些方法的效果会严重受限,由于背景噪声的强烈干扰,频谱不再在真实周期位置提供有效 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种基于迭代似然比检验的轴承故障自动检测方法,其特征在于,包括:步骤
S1
:利用传感器从故障轴承上采集到含噪声周期性信号;步骤
S2
:构建约束线性模型,通过约束线性模型将信号分段后进行参数估计并计算似然函数;步骤
S3
:通过扫描周期参数获得似然函数波形图;步骤
S4
:通过迭代似然比检验从似然函数波形图上获得准确周期;步骤
S5
:利用该周期估计结果对轴承进行故障诊断
。2.
根据权利要求1所述的基于迭代似然比检验的轴承故障自动检测方法,其特征在于,所述步骤
S2
包括:在传统线性模型建模中添加两条连续性约束,第一个约束为:
(f
s
‑
f
e
)
T
β
=0保证真实故障信号
x(t)
的连续性,其中,将真实故障信号
x(t)
建立回归模型并表示为
f(t)
β
,即
x(t)
=
f(t)
β
,其中
f(t)
是回归函数;
B
i,j
(u)
表示自由度为
d
的
B
样条基函数,具体定义如下:样条基函数,具体定义如下:其中,为非减节点,
d
和
d
p
是控制
B
样条基的两个重要模型参数
。3.
根据权利要求2所述的基于迭代似然比检验的轴承故障自动检测方法,其特征在于,第二个约束为:
(f
′
s
‑
f
′
e
)
T
Πβ
=0确保真实故障信号导数
x
′
(t)
的连续性,式中,
4.
根据权利要求3所述的基于迭代似然比检验的轴承故障自动检测方法,其特征在于,所述步骤
S2
中进行参数估计并计算似然函数包括:给定信号
y
的约束线性模型的对数似然,写为:服从条件
C
β
=0,其中当矩阵
C
具有线性相关的行时,即
r
p
=
rank(C)
<2,使用
C
=
(f
s
‑
f
e
)
T
来替代,确保矩阵
C
是始终满秩的;对数似然函数中的约束
C
β
=0通过令
β
=
D
α
来取代,其中
C
β
=
CD
α
=0确保满足,
D
矩阵维度为
d
p
×
(d
p
‑
r
p
)
,向量
α
长度为
d
p
‑
r
p
。
对于具有满秩的任意约束矩阵
C
,存在一个矩阵
D
=
V2使得,原对数约束似然函数与如下无约束的似然函数相同:最大化似然函数等价于优化以下成本函数:其中,
D
矩阵维度为
d
p
×
(d
p
‑
r
p
)
,向量
α
长度为
d
p
‑
r
p
;
m
表示信号段个数;矩阵
F
i
为:将代入
β
=
D
α
,得到:通过求解等式参数
σ2的估计器为:其中,
n
表示信号长度;将参数
σ2的估计器代入到对数似然函数中,得到:通过将这些连续性约束引入基于
B
样条的线性模型,复原的信号是一个连续平滑的周期性函数
。5.
根据权利要求1所述的基于迭代似然比检验的轴承故障自动检测方法,其特征在于,所述步骤
S4
通过迭代似然比检验来迭代搜索真实周期包括:
设检验将重复进行直到找不到新的候选周期,步骤如下:
1)init:2)while:q
>
0doa.b.c.q
←
q
‑
1end while3)return
在每次迭代中,检查来测试是否落入接受域,其中,是卡方分布的上
100
τ
分位点;若存在任何
q
使得更新并继续假设检验,更新其周期估计直到接受域中没有峰值出现后停止
。6.
技术研发人员:李勇祥,濮宇廷,樊薇,吴建国,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:
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。