【技术实现步骤摘要】
本专利技术涉及滚动轴承故障诊断，具体涉及一种增强稀疏分解的滚动轴承变转速故障诊断方法。
技术介绍
1、滚动轴承是航空发动机的关键部件，其运行状态监测及早期微弱故障特征挖掘是确保设备安全运行的关键，基于振动信号的分析方法已经得到了广泛的应用。
2、滚动轴承在定转速运行工况下的故障特征提取方法已经得到了广泛的研究，特别是稀疏分解因具有高保真的特征信号提取能力已经成为滚动轴承早期故障特征提取强有力的技术。稀疏分解技术通过选择合适的线性变换（或过完备词典）将振动测试信号映射到稀疏域，进而通过优化模型的求解实现特征信号的高保真提取。稀疏分解本质上是基于内积匹配原理开发的，其特征信号提取效果主要取决于所选择的线性变换（或过完备词典）与待提取故障信号的波形特征相似程度。线性变换（或过完备词典）与故障信号的波形特征越相似，经过对应的线性变换后的系数将更具有稀疏性，因而特征信号更容易高保真地提取出来。现有的滚动轴承故障特征稀疏分解方面的研究工作主要集中在定转速工况下的故障诊断，而航空发动机的运行均为典型的变转速工况。这些现有的稀疏分解故障特征提取方法难以直接应用到变转速工况下，主要原因为：变转速工况下滚动轴承局部损伤产生的故障特征信号是非周期性的，这些非周期性故障冲击信号具有角度域周期性、时域冲击波形一致性；而定转速工况下滚动轴承的故障信号具有时域周期性特点，定转速下的系数分解方法采用的线性变换（或过完备词典）也是为了匹配这些周期性故障冲击成分而开发的，难以匹配变转速工况下非周期性的故障信号。
技术实现思路
1、有鉴于此，本专利技术提供一种增强稀疏分解的滚动轴承变转速故障诊断方法，以达到实现了变转速工况下滚动轴承微弱故障特征的提取与表征。
2、本说明书实施例提供以下技术方案：一种增强稀疏分解的滚动轴承变转速故障诊断方法，包括：步骤1：通过在轴承座或发动机机匣上安装的加速度传感器及数据采集仪测量并记录滚动轴承运行过程中的振动加速度信号序列，基于滚动轴承的几何尺寸信息，计算滚动轴承各部件损伤时对应的故障特征阶次，其中分别对应滚动轴承的外圈、内圈和滚动体的特征；步骤2：构造波形可调的morlet小波基函数，其中，是无量纲参数，为波形调节参数并满足，为能量归一化系数，t为时间；步骤3：基于变转速工况下的振动测试信号及瞬时转频信号对波形调节参数和阈值归一化参数的选值进行优化并获得阈值归一化参数；步骤4：依次选择步骤1计算的故障特征阶次为待尝试提取的故障模式，选择对应的优化后波形调节及阈值归一化参数，通过步骤2建立参数下波形可调morlet连续小波变换增强稀疏分解模型，并求解获得特征信号的重构系数；步骤5：针对各个故障特征阶次对应的待提取故障模式，并根据对应的包络阶次谱中主要阶次成分判断滚动轴承的损伤部件。
3、进一步地，步骤2包括：步骤2.1、构造波形可调morlet连续小波变换增强的稀疏分解模型，表示如下：；式中：是输入的振动测试信号序列表示为，n为信号总点数，为波形可调morlet连续小波逆变换；为重构系数的范数并满足；为正则项参数并满足；为稀疏分解模型的全局优化函数。
4、进一步地，步骤2还包括：步骤2.2、基于每轮迭代计算中给定的阈值，设置阈值归一化参数，具体表示为：；式中：为取绝对值算子；为取最大值算子；为取最小值算子；为每轮迭代计算中的分解系数；为阈值归一化参数并满足。
5、进一步地，步骤3包括：在参数空间中对和进行离散化并建立参数取值格点，每个格点对应一组待选的参数组合；依次选择每个参数组合格点，针对振动测试信号通过步骤2建立波形可调morlet连续小波变换增强的稀疏分解模型并求解重构系数；基于波形可调morlet连续小波逆变换获得参数格点下的重构特征信号；对重构特征信号计算其包络阶次谱，并估计对应的角度域包络谱特征能量谐噪比指标；将每个参数格点对应的绘制在平面上，选择最大值对应的格点参数为优化后参数，并标记为和。
6、进一步地，步骤4包括：通过步骤2建立的参数下波形可调morlet连续小波变换增强稀疏分解模型，并求解获得特征信号的重构系数；通过步骤3得到重构特征信号的包络阶次谱。
7、进一步地，步骤5包括：5.1、依次选择各个待尝试提取的故障特征阶次，如果对应的包络阶次谱中的主要阶次分量为接近的分量及其倍数阶次成分，则表明滚动轴承中与该故障特征阶次对应的部件出现了局部损伤；5.2、如果对于多个待尝试提取的故障特征阶次，其对应的包络阶次谱中存在接近的分量及其倍数阶次成分，则表明滚动轴承中与这些故障特征阶次对应的多个部件均出现了局部损伤；5.3、如果对于各个待尝试提取的故障特征阶次，其对应的包络阶次谱中没有明显接近的阶次及其倍数阶次成分，则表明该测试滚动轴承运行状态良好。
8、与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：
9、所构造的波形可调morlet小波基函数，具有振荡属性可调、能够匹配不同冲击响应特征故障信号的优势；对应的波形可调morlet连续小波变换较离散小波变换更易匹配变转速工况下滚动轴承非周期性故障冲击信号序列。
10、所构造的角度域包络谱特征能量谐噪比指标直观地表征了包络阶次谱中故障特征阶次成分与其余噪声成分的能量比，能够反映出所提取的非周期性故障特征信号中故障信息的丰富度。
11、本方法以最大化角度域包络谱特征能量谐噪比指标为目标，基于滚动轴承振动监测数据驱动、自适应地对波形调节参数及阈值归一化参数进行优化，基于优化后参数建立波形可调morlet连续小波变换增强的稀疏分解模型并对故障特征信号进行提取与故障表征。本方法结合了波形可调morlet连续小波变换对非周期性故障冲击信号的匹配优势及稀疏分解框架对特征信号的高保真提取能力，能够在变转速、强噪声环境下对滚动轴承的微弱故障特征进行提取与表征。
本文档来自技高网...【技术保护点】
1.一种增强稀疏分解的滚动轴承变转速故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的增强稀疏分解的滚动轴承变转速故障诊断方法，其特征在于，所述步骤2包括：
3.根据权利要求2所述的增强稀疏分解的滚动轴承变转速故障诊断方法，其特征在于，所述步骤2还包括：
4.根据权利要求3所述的增强稀疏分解的滚动轴承变转速故障诊断方法，其特征在于，所述步骤3包括：
5.根据权利要求4所述的增强稀疏分解的滚动轴承变转速故障诊断方法，其特征在于，所述步骤4包括：
6.根据权利要求5所述的增强稀疏分解的滚动轴承变转速故障诊断方法，其特征在于，所述步骤5包括：
【技术特征摘要】
1.一种增强稀疏分解的滚动轴承变转速故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的增强稀疏分解的滚动轴承变转速故障诊断方法，其特征在于，所述步骤2包括：
3.根据权利要求2所述的增强稀疏分解的滚动轴承变转速故障诊断方法，其特征在于，所述步骤2还包括：
4.根...
【专利技术属性】
技术研发人员：王建，王艳丰，何伟，谭清江，郜伟强，焦江昆，
申请(专利权)人：中国航发四川燃气涡轮研究院，
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。