一种基于时序参数统计的轴承故障识别方法技术

本发明专利技术公开了一种基于时序参数统计的轴承故障识别方法，涉及旋转设备状态监测与智能运维领域，方法包括：S1：采集目标轴承的振动信号样本；S2：短时傅里叶变换：对振动信号做短时傅立叶变换来获取模型的观察；S3：计算前向概率和后向概率；S4：次数统计：利用动态时间序列#imgabs0#，计算每个冲击循环的持续时间ts的轴承振动信号，包含一个噪声状态和一个冲击状态，即#imgabs1#，统计持续时间ts内落在以#imgabs2#为中心、宽度为#imgabs3#的窄频率区间#imgabs4#中的信号的次数Nc；S5：计算故障的后验概率；S6：故障自动识别：通过选择最高的故障后验概率自动识别轴承故障类型。通过显性时间隐马尔科夫模型中参数估计信号冲击频率，从而对轴承进行故障识别。

【技术实现步骤摘要】

本专利技术涉及旋转设备状态监测与智能运维领域，特别涉及一种基于时序参数统计的轴承故障识别方法。

技术介绍

1、轴承作为旋转系统的核心部件，发挥着至关重要的作用。它不仅支撑旋转机械部件，还在运行中显著降低摩擦和磨损，从而延长设备的使用寿命。轴承性能的优劣直接关系到旋转系统的可靠性与运行效率。一旦轴承出现故障，可能导致设备停机、生产中断以及维护成本的大幅增加。因此，对轴承质量的严格把控和状态的实时监测对于保障设备的高效稳定运行至关重要。

2、基于振动信号的轴承故障模式识别近年来成为学术界和工程实践的研究热点。随着科学技术的飞速发展，轴承诊断与智能运维技术持续进步，并逐步形成了多维度、多领域的研究框架。其主要研究内容包括以下几个方面：1）信号分解：通过经验模态分解（emd）、局部均值分解（lmd）、盲反卷积以及矩阵分解等技术，从复杂信号中提取具有物理意义的特征成分。2）信号建模：采用循环平稳分析和隐马尔可夫模型（hmm）等方法，建立信号的统计特性模型，捕捉故障演化的动态特征。3）信号变换：利用短时傅里叶变换（stft）、wigner-ville分布、本文档来自技高网...

【技术保护点】

1.一种基于时序参数统计的轴承故障识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于时序参数统计的轴承故障识别方法，其特征在于，振动信号样本y(t)，t= 0, 1, 2,...., L-1，其中，t为信号样本的时间索引，信号长度为L。

3.根据权利要求1所述的一种基于时序参数统计的轴承故障识别方法，其特征在于，

4.根据权利要求3所述的一种基于时序参数统计的轴承故障识别方法，其特征在于，步骤S3中，随机模型中的隐状态序列变量zn, n=1,2,3,…, N，在轴承振动信号中存在两种状态；其中噪声状态i=1，表示只有噪声存在；瞬态冲...

【技术特征摘要】

1.一种基于时序参数统计的轴承故障识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于时序参数统计的轴承故障识别方法，其特征在于，振动信号样本y(t)，t= 0, 1, 2,...., l-1，其中，t为信号样本的时间索引，信号长度为l。

3.根据权利要求1所述的一种基于时序参数统计的轴承故障识别方法，其特征在于，

4.根据权利要求3...

【专利技术属性】
技术研发人员：靳亚强，左明健，
申请(专利权)人：青岛睿发工程咨询服务合伙企业有限合伙，
类型：发明
国别省市：