[发明专利]一种基于多项指标特征的双字典匹配追踪轴承故障程度评价方法

说明书

一种基于多项指标特征的双字典匹配追踪轴承故障程度评价方法，其多项指标特征为LZC指标、峭度指标和脉冲指标，属于轴承故障诊断技术领域。双字典根据轴承振动信号特征，选取调制字典和冲击时频字典生成双字典，每次迭代在双字典的各子字典中选取匹配原子，比较各阶系数得出一个最匹配原子。将分析信号在此历次迭代原子上投影，信号减去投影形成残差信号以供下次分解。满足迭代终止条件后完成分解过程，提取匹配原子及匹配系数，对信号进行重构，计算重构信号的LZC指标、峭度指标和脉冲指标，通过三项指标的变化趋势，实现对故障程度的评价。

技术领域

本发明涉及一种轴承故障程度评价方法，特别涉及一种多项指标特征的双字典匹配追踪轴承故障程度评价方法，其多项指标特征为LZC指标、峭度指标和脉冲指标，属于轴承故障诊断技术领域。

背景技术

轴承是旋转类机械设备的重要组成部件，故障率较高。目前，轴承故障诊断研究主要集中在故障有无的判断和故障类型的模式识别等定性诊断方面，然而对机械故障诊断需要实现由定性研究到定量研究的突破，揭示设备故障状态的发生、发展和演化规律，从而做到真正有效指导设备维修，节约生产成本。

在对轴承故障的定量诊断方面国内外学者进行了有益的探索并且取得一定的成果。目前对于故障严重程度的评估主要基于能量的角度和评价指标角度，包括建立根据局部能量来估算齿根裂纹大小的经验模型，根据引入退化指标的比例故障率模型实现不同损伤程度振动信号的设备运行可靠度评估，通过时域指标均方根、峭度指标和峰值指标研究与损伤大小之间的关系等方法。归一化的Lempel-Ziv复杂度指标是一种衡量有限时间序列复杂程度的高级工具，也被引入故障诊断中来，研究其与故障程度之间的关系。可见，通过对信号的指标分析可以实现故障程度的评价和预测，或者叫做“半定量”诊断。但是从生产现场采集到的信号含有大量的噪声和干扰成分，将会大大严重影响指标评价的效果。因此，采用行之有效的故障特征提取和降噪手段成为后续判断的重要预处理方法。

Mallat和Zhang提出的匹配追踪算法(MatchingPursuit，MP)具有灵活的基函数，可以实现对相应特征信号的提取和分离，因此构造合适的原子库，应用基于MP算法的轴承故障定量诊断是一种新探索和尝试。而将重构信号与指标相结合成为轴承故障程度评价的一种新思路。

发明内容

为了解决轴承故障定量诊断中的上述技术问题，本发明提供了一种多项指标特征的双字典匹配追踪轴承故障程度评价方法。轴承故障的振动信号表现为由共振引起的周期性脉冲和非均匀负载引起的调制，并伴随大量的背景噪声。在故障发生和发展过程中，一方面，随着故障的增加振动信号的振动剧烈程度在增加；另一方面，故障信号采集的过程主要是将传感器固定在箱体上，因此对于外圈故障，损伤处的负载分布不会有较大变化。在故障时，由于损伤面积的存在，滚动体划过瞬间与外圈滚道面实际接触面积减小，导致接触压强快速增大再回落，不断变化的接触压强会引起强烈的频率调制作用。而随着故障恶化，损伤面积不断扩大，压强变化逐渐增大，调制现象将越发明显，反映在频谱中会出现越来越多的谱峰及其谐波，也就是说信号中的成分越来越杂乱。而复杂度指标正好是一种衡量有限时间序列复杂程度的工具，可以用来对此进行衡量。然而针对含有大量背景噪声和干扰成分的信号，直接的时域指标分析往往效果，因此，为了实现故障程度的评价，首先对信号进行故障特征提取和降噪，然后计算重构信号的LZC指标、峭度指标和脉冲指标时域指标，从而实现对于轴承故障程度的评价。

为了实现上述目的，本发明采用的技术方案为一种多项指标特征的双字典匹配追踪轴承故障程度评价方法，其多项指标特征为LZC指标、峭度指标和脉冲指标，该方法包括以下步骤，S1采集轴承振动信号；S2对轴承振动信号进行基于双字典匹配追踪算法的分解；S3对信号进行重构，并对重构信号计算LZC指标、峭度指标和脉冲指标，根据指标的变化趋势对轴承故障程度进行评价。

S1采集轴承振动信号