一种基于Riesz图谱稀疏分解的滚动轴承故障方法及系统技术方案

本发明专利技术属于时频分析技术领域，尤其涉及一种基于Riesz图谱稀疏分解的滚动轴承故障方法及系统，利用一种新的时频分析方法—Riesz四参数谱时频分析方法用于获取振动信号在时频域的幅值、频率、相位和方向四参数信息，提升分析结果的时频聚集性和抗噪性能；为筛选出最优的参数谱，将符号动力学熵拓展到二维尺度，提出了一种新的熵值计算方法—余弦符号动力学熵；将熵筛选出的参数谱重构分量，构建稀疏滤波器参数优化分量幅值，使得分解结果具有物理意义。本发明专利技术对变速工况下的轴承振动信号以及恒定速度下的轴承振动信号进行分析，在此基础上提出了RSSD方法，实现了恒转速和变转速工况下滚动轴承故障的特征提取和诊断。

【技术实现步骤摘要】

本专利技术属于但不限于时频分析，尤其涉及一种基于riesz图谱稀疏分解的滚动轴承故障方法及系统。

技术介绍

1、随着科学技术的不断进步，高端机械设备的组成结构日趋复杂，机械设备的关键部件面临着愈加极端的服役环境和更加苛刻的性能要求。其中，滚动轴承的稳定可靠服役更是直接关系到机械设备的安全运行。滚动轴承通常在恶劣的环境下服役，极易发生故障。因此，为了保障机械设备安全及稳定的运行，有必要采集滚动轴承振动信号来识别滚动轴承的早期、微弱缺陷，以减少不必要的损失。然而，由于机械设备的结构复杂，且在实际工作中工况多变，采集到的振动信号由噪声和多个部件模态杂糅在一块。因此，从众多干扰成分信息的振动信号中准确提取出故障信息，是实现轴承故障诊断的关键。

2、目前滚动轴承振动信号故障信息提取的方法中，以经验模态分解emd为代表的多成分信号自适应分解算法，被国内外学者广为研究。针对emd分解过程中存在着的问题，提出了一系列改进算法。集成经验模态分解eemd，通过多次在信号中添加高斯白噪声，来抑制模态混淆现象；互补集合经验模态分解ceemd为了消除引入高斯白噪声的影响本文档来自技高网...

【技术保护点】

1.一种基于Riesz图谱稀疏分解的滚动轴承故障检测系统，其特征在于，系统包括：

2.如权利要求1所述的基于Riesz图谱稀疏分解的滚动轴承故障检测系统，其特征在于，所述时频分析模块进一步包括：

3.如权利要求1所述的基于Riesz图谱稀疏分解的滚动轴承故障检测系统，其特征在于，所述熵值计算模块包括：

4.如权利要求1所述的基于Riesz图谱稀疏分解的滚动轴承故障检测系统，其特征在于，所述稀疏分解模块通过以下步骤实现：

5.一种基于Riesz图谱稀疏分解的滚动轴承故障方法，其特征在于，该方法包括：

6.根据权利要求1所述基于Ri...

【技术特征摘要】

1.一种基于riesz图谱稀疏分解的滚动轴承故障检测系统，其特征在于，系统包括：

2.如权利要求1所述的基于riesz图谱稀疏分解的滚动轴承故障检测系统，其特征在于，所述时频分析模块进一步包括：

3.如权利要求1所述的基于riesz图谱稀疏分解的滚动轴承故障检测系统，其特征在于，所述熵值计算模块包括：

4.如权利要求1所述的基于riesz图谱稀疏分解的滚动轴承故障检测系统，其特征在于，所述稀疏分解模块通过以下步骤实现：

5.一种基于riesz图谱稀疏分解的滚动轴承故障方法，其特征在于，该方法包括：

【专利技术属性】
技术研发人员：刘燕飞，颜家新，彭延峰，郭理宏，杨来铭，赵思波，郭勇，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：