【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。