[发明专利]一种基于特征参量的滚动轴承故障灰色关联度辨识方法

权利要求书

1.一种基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，包括： 

滚动轴承振动信号获取及形成重构信号的步骤； 

从所述重构信号中提取特征参量的步骤； 

利用灰色理论关联度分析所述特征参量并输出分析结果的步骤。 

2.如权利要求1所述的基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，所述振动信号包括有滚动轴承正常运转信号、内圈缺陷故障信号、外圈缺陷故障信号及滚动体缺陷故障信号。 

3.如权利要求1所述的基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，所述滚动轴承振动信号获取及形成重构信号的步骤包括： 

采集振动信号的步骤； 

对所述振动信号进行Hilbert变换并形成所述幅值信号及相位信号的步骤； 

利用SVD奇异值分解方法分别对所述幅值信号及所述相位信号进行降噪处理并形成降噪后幅值信号及降噪后相位信号的步骤； 

结合所述降噪后幅值信号及所述降噪后相位信号形成重构信号的步骤。 

4.如权利要求3所述的基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，对所述利用SVD奇异值分解方法分别对所述幅值信号及所述相位信号进行降噪处理并形成降噪后幅值信号及降噪后相位信号的步骤进行确定降噪阶次的辅助步骤。 

5.如权利要求3所述的基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，所述结合所述降噪后幅值信号及所述降噪后相位信号形成重构信号的步骤的重构信号公式为： 

其中A_c(t)和分别为降噪后的幅值和相位信号，x_c(t)为重构信号。 

6.如权利要求1所述的基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，所述从所述重构信号中提取特征参量的步骤包括： 

利用局部均值分解方法对所述重构信号进行分解获得包络纯调频PF分量的步骤； 

将所述包络纯调频PF分量组成PF矩阵的步骤； 

利用SVD奇异值分解所述PF矩阵提取特征奇异值的步骤； 

利用统计理论处理特征奇异值获得特征参量的步骤。 

7.如权利要求6所述的基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，所述包络纯调频PF分量为前5个固有包络纯调频分量。 

8.如权利要求6所述的基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，所述特征参量包括有奇异值的最大值、奇异值均值、奇异值脉冲因子、奇异熵及奇异值标准差。 

9.如权利要求1所述的基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，所述利用灰色理论关联度分析所述特征参量并输出分析结果的步骤中故障辨别的方法为灰色关联度分析法。 

10.如权利要求9所述的基于特征参量的滚动轴承故障灰色关联度辨识方法，其特征在于，所述灰色关联度分析法的公式如下： 

其中x₀(t)为参考时间序列，x_i(t)为比较时间序列，ζ_i(k)为比较时间序列x_i(t)对参考时间序列x_i(t)在k时刻的关联系数，ρ∈[0,1]为分辨系数通常取0.5。按下式计算比较时间序列x_i(t)对参考时间序列x₀(t)的关联度： 

。