[发明专利]一种滚动轴承故障损伤程度识别方法

说明书

本发明公开了一种滚动轴承故障损伤程度识别方法，分别包括故障振动信号采集、计算数学形态梯度谱值、计算数学形态梯度谱值变化率、确定结构元素最佳尺度范围、计算高阶差分数学形态梯度谱值、计算高阶差分数学形态梯度谱熵值、定义故障损伤程度区分度、计算故障损伤程度区分度和判别故障损伤程度几个步骤。本发明能够有效地识别轴承内圈故障的损伤程度，具有较高的损伤程度识别正确率，且能大幅提高识别的效率，是一种行之有效的故障程度定量识别方法，能够为旋转机械故障损伤程度识别及故障预测提供一种新方法，实用性好，值得推广。

技术领域

本发明属于机械零件故障检测技术领域，具体涉及一种滚动轴承故障损伤程度识别方法。

背景技术

滚动轴承是旋转机械中的重要零部件，长期工作在恶劣的环境中，受到承重、传递、冲击等载荷联合影响，容易出现轴承疲劳剥落、点蚀、接触区的严重塑性变形等故障，进而导致机破、停运等事故多发，因此进行滚动轴承的故障监测、状态分析及诊断是一项十分必要的工作。

轴承故障的演变存在一个由轻微到严重的发展过程，故障定量诊断是实现故障演变过程的有效描述方法。现有的诊断方法可以总结为以下几类：

(1)基于有限元模型、最小二乘法和模态扩展法的定量诊断方法，该类方法利用有限元技术建立轴承系统的模型，利用模态扩展法推测故障力的大小，并进一步确定故障力的位置；

(2)基于谐波理论，利用振动响应中的高次谐波分量进行故障定量诊断的方法；

(3)基于信息熵和支持向量机等人工智能技术进行定量诊断的方法。

现有的故障诊断方法主要包括，对故障机理的分析和采用合适的信号分析方法提取故障特征及判断故障类型。这些分析方法大都是对轴承故障进行定性分析，即确定故障是否存在及故障类型，而针对轴承故障进行定量诊断的研究，即确定故障损伤的程度及剩余寿命的研究还相对较少，而且传统数学形态谱难以准确描述信号的形态复杂度，故障模式区分能力的不足导致故障损伤程度识别效果不理想的问题依然存在。

发明内容

有鉴于此，本发明提供了一种滚动轴承故障损伤程度识别方法，以便解决现有技术中的不足。

本发明的技术方案是：一种滚动轴承故障损伤程度识别方法，包括以下步骤：

步骤1、利用加速度传感器采集电机运行状态下的滚动轴承振动加速度信号；

步骤2、λ为分析尺度，将λ从1变化到50，计算不同尺度下，步骤1中测出的振动加速度信号的数学形态梯度谱值；

步骤3、将λ从1变化到50，计算不同尺度下，步骤1中测出的振动加速度信号的数学形态梯度谱值变化率，数学形态梯度谱值变化率的公式如下式所示：

Δ＝PGS(λ+1)-PGS(λ)

其中，PGS为数学形态梯度谱；

步骤4、根据步骤3中计算的数学形态梯度谱值变化率的结果，确定使数学形态梯度谱值变化率≤10^-2的尺度λ_op，即能够识别不同损伤程度的结构元素最佳尺度范围为1～λ_op；

步骤5、将λ从1变化到λ_op，计算不同尺度下，步骤1中测出的振动加速度信号的高阶差分数学形态梯度谱值，高阶差分数学形态梯度谱值的公式如下式所示：

G_PGS(f,λ,g,n)＝A[Grad(f,(λ+n)g)-Grad(f,λg)]

Grad为数学形态学梯度运算；

步骤6、将λ从1变化到λ_op，计算不同尺度下，步骤1中测出的振动加速度信号的高阶差分数学形态梯度谱熵值，高阶差分数学形态梯度谱熵值的公式如下式所示：