一种基于数据的转盘轴承早期故障在线识别方法技术

本发明专利技术提供了一种基于数据的转盘轴承早期故障在线识别方法，涉及转盘轴承健康监测技术领域。该方法首先获取其转盘轴承的在线振动信号监测数据；然后利用自适应完全鲁棒均值分解(CERLMDAN)将振动信号分解成多个产品函数(PF)，并利用参数优化算法优化分解参数，采用核主元分析(KPCA)选择出故障PF进行重构，以达到滤波消噪的目的；接着，对振动信号进行数据缩减，并对缩减后的振动信号进行邻域相关图椭圆拟合，以椭圆倾角变化作为早期故障的判别指标，实现转盘轴承早期故障在线识别。该方法为大型低速旋转机械的早期故障识别提供了一种新的解决方案，进而在机械设备识别领域进行广泛应用。

【技术实现步骤摘要】

本专利技术属于转盘轴承健康监测，涉及一种基于数据的转盘轴承早期故障在线识别方法。

技术介绍

1、转盘轴承作为一种低速重载轴承，近年来逐渐在大型风力发电机、盾构机、海洋平台等领域推广应用。受限于恶劣的工况环境和复杂的受力方式，转盘轴承损伤难以避免，一旦失效将造成整机停机，甚至造成重大安全事故。因此，早期故障识别成为大型低速转盘轴承健康监测研究的难点，而如何准确进行非平稳信号降噪是早期故障识别的研究基础。

2、现有基于聚类经验模态分解-主元分析(eemd-pca)的转盘轴承振动信号降噪方法，一方面，eemd未考虑重构误差，pca抛弃了高阶非线性统计量信息；另一方面，将eemd分解的分量进行pca，选择spe均值与阈值之差较大的分量作为故障特征分量，再选择不同寿命阶段分解的共有故障特征分量来重构信号，以达到降噪目的，但这种选择策略忽略了多尺度分量在整个寿命周期中的退化趋势，容易漏选正常使用阶段spe较小而故障加剧阶段spe变化大的故障特征分量。

3、另外，现有基于信号处理技术的故障诊断方法通过对复杂部件或系统的故障振动特性进行分析，借助于本文档来自技高网...

【技术保护点】

1.一种基于数据的转盘轴承早期故障在线识别方法，其特征在于，包括：获取运行振动信号；基于CERLMDAN的信号分解；CERLMDAN参数优化方法；基于KPCA的异常分量选择及重构；振动信号时间序列降维；邻域相关图椭圆拟合；以及早期故障识别，其主要步骤如下；

2.根据权利要求1所述的基于数据的转盘轴承早期故障在线识别方法，其特征在于，所述CERLMDAN参数优化方法确定方法如下：

3.根据权利要求1所述的基于数据的转盘轴承早期故障在线识别方法，其特征在于，所述振动信号时间序列降维，采用分段累积近似(PAA)对时间序列进行降维，通过将时间序列进行平均分段，并以分段均值...

【技术特征摘要】

1.一种基于数据的转盘轴承早期故障在线识别方法，其特征在于，包括：获取运行振动信号；基于cerlmdan的信号分解；cerlmdan参数优化方法；基于kpca的异常分量选择及重构；振动信号时间序列降维；邻域相关图椭圆拟合；以及早期故障识别，其主要步骤如下；

2.根据权利要求1所述的基于数据的转盘轴承早期故障在线识别方法，其特征在于，所述cerlmdan参数优化方法确定方法如下：

3.根据权利要求1所述的基于数据的转盘轴承早期故障在线识别方法，其特征在于，所述振动信号时间序列降维，采用分段累积近似(paa)对时间序列进行降维，通过将时间序列进行平均分段，并以分段均值反映分段信息，最终达到数...

【专利技术属性】
技术研发人员：潘裕斌，杨旭，陈捷，王华，洪荣晶，杨贵超，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：