【技术实现步骤摘要】
本专利技术涉及信号处理，微弱信号检测，属于滚动轴承故障诊断领域，具体针对一种强噪声及随机干扰情况下的轴承多故障同步识别问题的基于gspvfgram最优频带循环谱分析方法。
技术介绍
1、滚动轴承作为旋转机械的关键部件，由于其严酷环境下连续工作的性质，不可避免地会产生磨损、裂纹、点蚀等故障，从而导致机械设备运作异常甚至发生事故。因此，从复杂信号中有效捕捉潜在的故障信息进行轴承故障的准确识别是至关重要。由于生产现场环境复杂，滚动轴承早期微弱故障信息常常淹没于强噪声和随机干扰信号中，传统的轴承故障诊断方法难以对故障进行准确诊断。谱峭度等诊断方法对故障振动信号的脉冲共振频带进行优化选择，需要一定的先验知识，且在振动信号中的频率成分较为复杂，信噪比较低情况下，传统的共振解调方法难以诊断出轴承早期故障产生的微弱脉冲信号。
2、因此，研究强噪声和随机干扰信号下如何寻找最优频带，提取有效早期微弱故障信号，减少对先验知识的依赖，提高检测精度，实现轴承早期多故障的快速检测，降低设备发生故障的概率，保障广大相关工作人员的人身安全，具有重要的现实意义。
技术实现思路
1、为了克服上述现有技术的缺点，本专利技术的目的是提供一种能够全面表征轴承故障冲击的脉冲性与周期性的新型指标，在脱离最优共振频带选择与包络解调的基本框架下，构建一种多故障特征频率同步表征的新型谱分析方法，用于在强干扰场景下的滚动轴承多故障同步诊断。
2、为了达到上述目的，本专利技术采取的技术方案为：
3、一
4、步骤s1：通过加速度传感器获取待测轴承的振动信号。
5、步骤s2：对轴承振动信号进行自适应冗余提升小波包分解至s层，得到中心频率为f，带宽为bw的子带信号x(t)，以f为横坐标，层数s为纵坐标，构造(f,s)平面分解图，s＝0,…,s-1。
6、步骤s3：计算(f,s)每一子带信号的尖峰周期波动因子增益(gain of spikeperiod volatility factor，gspvf)值，并填充至(f,s)平面中子带信号的对应位置，得到(f,s)平面分解图对应gspvf值分布图gspvfgram。
7、步骤s301：采用公式(1)中的时移窗函数对长度为t的子带信号x(t)进行加窗处理，得到的局域子信号xi(t)＝x(t)hi(t)：
8、
9、式中w为窗长，1/w即为移窗频率，ts为时移窗起始时间,i＝1,2,…,n，为局域子信号个数；
10、步骤s302：按照式(2)计算单个局域子信号的局部尖峰度(local spikinessdegree，lsd)：
11、
12、式中，tpi为xi(t)在时间区间[ts+(w-1)i,ts+iw]的最大峰值所对应的时间点；
13、步骤s303：根据式(3)计算hi(t)对x(t)滑移加窗后的全局尖峰度(globalspikiness degree，gsd)：
14、
15、步骤s304：取ts在(0,w)区间变化时，按照式(4)中的计算x(t)尖峰周期波动因子(spike period volatility factor，spvf)计算式为：
16、
17、式中，表示采用窗宽为w，起始窗时间点ts在(0,w)区间变化时得到所有的gsd平均值；
18、步骤s305：按照式(5)计算x(t)的gspvf：
19、
20、式中，表示滚动轴承四种典型故障特征频率(内圈故障，外圈故障，滚珠故障和保持架故障)，ex(f)为频率f处的信号x(t)包络谱幅值，表示在特征频率处的包络谱幅值；
21、步骤s306：将gspvf(x(t))计算值填充至(f,s)平面中x(t)的对应位置，得到(f,s)平面分解图对应gspvf值分布图gspvfgram。
22、步骤s4：选择spvfgram中最大gspvf所对应子带信号进行重构,得到故障冲击信号分量xopt。
23、步骤s5：计算xopt的尖峰周期波动因子循环频率谱(spike period volatilityfactor–cyclicfrequency spectrum,spvfcs)。
24、步骤s501：设定式(1)中滑移窗长为w＝1/α,α为脉冲循环频率，α变化范围为(0,f)，变化步长δ，即，
25、步骤s502：设置滑移窗hi(t)初始位置ts的变化范围ts∈(0,1/α)，按照公式(2)计算xopt在每个滑窗内的局部尖峰度
26、步骤s503：根据式(3)计算xopt的全局尖峰度
27、步骤s504：计算α在(0,f)范围内不同取值点上的spvf，得到xopt的spvfcs。
28、步骤s6：采用spvfcs对轴承的各理论故障频率进行观测，对轴承多故障进行识别。
29、本专利技术相比于现有技术，具有以下有益效果：
30、1、在充分考虑故障冲击的脉冲性和可重复性情况下，提出了一种不受故障冲击强度大小与冲击模式变化影响的周期脉冲度量指数—尖峰周期波动因子。该指数引入了短时窗中的局部尖峰度来度量脉冲的急升陡降的尖峰状波形，采用周期时移窗中的全局尖峰度的波动因子来量测脉冲的可重复性。
31、2、在自适应冗余提升小波包对信号进行塔式频带分解的基础上，结合各频带的gspvf构建gspvfgram，在无需故障先验知识与分解参数优化设置的情况下，实现了多故障冲击分量共享频带的优化选择。
32、3、本专利技术采用了spvfcs对最优频带信号的脉冲循环频率进行了统一表征，该方法独立于冲击共振解调的基本框架，在随机瞬态脉冲与强噪干扰下，能够有效检测出多个故障特征频率，可实现轴承多故障状态的同步诊断。
本文档来自技高网...【技术保护点】
1.一种基于GSPVFgram最优频带循环谱的轴承多故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于GSPVFgram最优频带循环谱的轴承多故障诊断方法，其特征在于，所述步骤S3中GSPVFgram的构建步骤包括：
3.根据权利要求1所述的基于GSPVFgram最优频带循环谱的轴承多故障诊断方法，其特征在于，在所述步骤S5中，SPVFCS计算的具体步骤为：
【技术特征摘要】
1.一种基于gspvfgram最优频带循环谱的轴承多故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于gspvfgram最优频带循环谱的轴承多故障诊断方法，其特征在于，...
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。