[发明专利]低速重载设备滚动轴承故障诊断方法、设备及介质

权利要求书

1.一种低速重载设备滚动轴承故障诊断方法，其特征在于，包括：

步骤S1，获取低速重载设备滚动轴承的振动信号，并对所述振动信号进行分析得到多种状态信号；

步骤S2，对所述多种状态信号进行滤波降噪处理，得到降噪后信号；

步骤S3，对所述降噪后信号构建三维特征，并求得所述三维特征的特征向量，其中所述三维特征包括EEMD能量熵，形态学分形维数和形态谱熵；

步骤S4，选取所述三维特征的特征向量中的部分特征向量作为输入，建立基于核极化核极限学习机的滚动轴承故障诊断模型，将其余部分特征向量输入到所述滚动轴承故障诊断模型中，得到所述低速重载设备滚动轴承的故障诊断结果。

2.根据权利要求1所述的方法，其特征在于，

所述步骤S3，具体包括：

对所述降噪后信号进行EEMD分解，求得所述降噪后信号的EEMD能量熵；

以及基于数学形态学提取所述降噪后信号的形态学分形维数和形态谱熵；

根据所述降噪后信号的EEMD能量熵，所述降噪后信号的形态学分形维数和形态谱熵，构建三维特征，并求得所述三维特征的特征向量。

3.根据权利要求2所述的方法，其特征在于，

对所述降噪后信号进行EEMD分解，求得所述降噪后信号的EEMD能量熵，具体包括：

通过EEMD对所述降噪后信号进行多次EMD分解，集总平均后计算得到多个IMF分量及每个所述IMF分量的能量，其中，每个IMF分量包含所述降噪后信号的不同时间尺度的局部特征信号；

根据分解的正交性，剔除所述多个IMF分量的残余分量；

根据剔除残余分量的所述多个IMF分量，计算得到EEMD能量熵。

4.根据权利要求3所述的方法，其特征在于，

通过EEMD对所述降噪后信号进行多次EMD分解时，加入白噪声。

5.根据权利要求2所述的方法，其特征在于，

所述基于数学形态学提取所述降噪后信号的形态学分形维数，具体包括：

对所述降噪后信号进行膨胀和腐蚀运算，求得在某一尺度下所述降噪后信号关于结构元素的膨胀和腐蚀运算的覆盖面积，其中，结构元素为一维离散函数；

根据所述覆盖面积，计算得到所述降噪后信号的形态学分形维数。

6.根据权利要求2所述的方法，其特征在于，

所述基于数学形态学提取所述降噪后信号的形态谱熵，具体包括：

选取所述降噪后信号的非负一维离散信号，并计算所述非负一维离散信号的开运算形态谱和闭运算形态谱；

根据所述开运算形态谱和闭运算形态谱，计算得到所述降噪后信号的形态谱熵。

7.根据权利要求2所述的方法，其特征在于，

所述基于核极化核极限学习机的滚动轴承故障诊断模型的建立，具体包括：

选取轴承正常、滚动体故障、内圈故障和外圈故障4种状态下的20组特征向量；

选取所述20组特征向量中的10组特征向量，输入到由四个采用一对多法分类的核极化核极限学习机分类模型中进行训练，建立状态辨识模型，作为滚动轴承故障诊断模型。

8.根据权利要求2所述的方法，其特征在于，

所述步骤S4中，所述将其余部分特征向量输入到所述滚动轴承故障诊断模型中，得到所述低速重载设备滚动轴承的故障诊断结果，具体包括：

将其余部分特征向量作为输入，输入到所述滚动轴承故障诊断模型中，得到所述三维特征的特征向量在三维空间中的分布情况；

根据所述分布情况，识别所述低速重载设备滚动轴承的状态；

根据所述低速重载设备滚动轴承的状态，得到所述低速重载设备滚动轴承的故障诊断结果。

9.一种低速重载设备滚动轴承故障诊断设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-8中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-8中任一项所述的方法。