【技术实现步骤摘要】
本专利技术涉及轴承故障诊断，特别是涉及一种面向复杂工况下的滚动轴承故障诊断方法及系统。
技术介绍
1、滚动轴承作为机械传动的一个重要部分，被广泛应用于工业制造、交通运输、能源产业、航空航天等领域。机械系统在使用过程中受到过载或不当使用，滚动轴承会受到一定损伤。同时恶劣的工作环境，如高温、高湿度、尘土、化学腐蚀、粉尘等，也影响滚动轴承的正常运行并导致故障。因此需要对其进行实时诊断，以保证人身安全与经济效益。滚动轴承的诊断通常依赖对振动信号的分析，但在实际生产中，生产环境嘈杂，存在大量的噪声干扰，所采集的振动信号通常包含许多噪声对特征提取造成干扰。此外，一维振动信号无法直观地展示出故障模式的空间分布和变化，二维特征可以更全面地反映滚动轴承的故障信息，使用二维图像进行故障诊断能够更好的分析滚动轴承的故障类型。因此，针对滚动轴承的信号降噪与二维特征提取问题提出解决方案具有重要意义。
2、在实际生产环境中，生产机械自身的组件间摩擦、撞击、松动以及加工过程中产生的噪音，都会引入振动信号中，同时生产环境中的其他机器和设备运转也会产生振动，...
【技术保护点】
1.一种面向复杂工况下的滚动轴承故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的面向复杂工况下的滚动轴承故障诊断方法，其特征在于，所述滚动轴承振动信号是通过多工况滚动轴承故障模拟实验平台进行采集得到的；所述多工况滚动轴承故障模拟实验平台获取的数据的故障类型包括：正常状态、外圈裂纹、内圈裂纹、滚子裂纹和混合故障。
3.根据权利要求1所述的面向复杂工况下的滚动轴承故障诊断方法，其特征在于，对辛几何模态分解的优化参数使用麻雀搜索算法进行优化，包括：
4.根据权利要求3所述的面向复杂工况下的滚动轴承故障诊断方法，其特征在于，采用所...
【技术特征摘要】
1.一种面向复杂工况下的滚动轴承故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的面向复杂工况下的滚动轴承故障诊断方法，其特征在于，所述滚动轴承振动信号是通过多工况滚动轴承故障模拟实验平台进行采集得到的；所述多工况滚动轴承故障模拟实验平台获取的数据的故障类型包括：正常状态、外圈裂纹、内圈裂纹、滚子裂纹和混合故障。
3.根据权利要求1所述的面向复杂工况下的滚动轴承故障诊断方法，其特征在于，对辛几何模态分解的优化参数使用麻雀搜索算法进行优化，包括：
4.根据权利要求3所述的面向复杂工况下的滚动轴承故障诊断方法，其特征在于，采用所述ssa-sgmd算法对采集得到的滚动轴承振动信号进行降噪预处理，得到预处理信号，包括：
5.根据权利要求4所述的面向复杂工况下的滚动轴承故障诊断方法，其特征在于，采用所述ssa-sgmd算法对采集得到的滚动轴承振动信号进行降噪预处理，得到预处理信号，还包括：
【专利技术属性】
技术研发人员：陈勇旭，郝亚鹏，陈龙，刘鹏鹏，梅燕，史占飞，
申请(专利权)人：国能大渡河猴子岩发电有限公司，
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。