[发明专利]基于K-SVD和滑窗降噪的滚动轴承冲击故障诊断方法

权利要求书

1.基于K-SVD和滑窗降噪的滚动轴承冲击故障诊断方法，其特征具体为，包括以下步骤：

S1、获取轴承信号s，对轴承信号进行高通滤波，得到滤波信号s₀，其长度为l_s；

S2、截取滤波信号中一段有冲击的信号s_p进行字典学习；

S3、对字典学习后的信号进行滑窗K-SVD运算：根据钢结构的阻尼比和滚动轴承固有频率确定冲击原子时间长度：

其中，η为冲击信号幅值，ξ为阻尼比，f_g为滚动轴承固有频率，Δt_w为冲击原子时间长度；

根据信号采样频率f_s，得出冲击原子对应点数为：

原子冲击前后有过渡带，则将实际取的冲击原子点数放大至l_w；

按照一定时间间隔q，在有冲击的滤波信号s_p上从左到右滑窗选取l个长度为l_w的信号段，分别进行滑窗K-SVD运算，得到l个待选冲击原子γ_i，i＝1,2,…,l；

S4、对待选冲击原子通过方差计算，得出待选冲击原子方差：

其中，γ(j)为待选冲击原子第j个点的值，为γ_i的平均值，V表示待选冲击原子方差，选出方差最大的待选冲击原子作为最优原子γ₀；

S5、将最优原子γ₀进行归一化处理得到归一化原子γ′₀，以实际冲击原子长度l_w在整段滤波信号s₀内进行滑窗，并与γ′₀进行内积运算，得到内积序列：

其中，ip_i为第i个内积值，γ′₀(j)为归一化原子第j个点的值，s(i+j)为轴承信号第i+j个点的值；

S6、获取内积序列中的局部峰值点，根据滚动轴承最小通过周期、波动量，保留峰值最大的峰值点，整个滤波信号得到K_p个峰值点p_i，i＝[1:1:K_p]，在所有局部峰值点处用最优原子重构冲击，得到重构信号s′：

s′(L_i+j)＝p_i×γ′₀(j)，i＝1，2，...，K_p j＝1，2，...，l_w，

其中，s′(L_i+j)为第L_i+j个重构信号，L_i为第i个峰值点的点数位置；

对重构信号s′进行解调分析，获得滚动轴承故障特征频率。

2.根据权利要求1所述的基于K-SVD和滑窗降噪的滚动轴承冲击故障诊断方法，其特征在于，还包括步骤将获取的滚动轴承故障特征频率与轴承不同部分特征频率相比较，得出滚动轴承故障部分。

3.根据权利要求2所述的基于K-SVD和滑窗降噪的滚动轴承冲击故障诊断方法，其特征在于，所述轴承不同部分特征频率包括：外圈故障特征频率、内圈故障特征频率和滚动体故障特征频率。

4.根据权利要求3所述的基于K-SVD和滑窗降噪的滚动轴承冲击故障诊断方法，其特征在于，所述外圈故障特征频率f_o：

其中，d为滚动体直径，D为节径，α为接触角；z为滚动体个数；f_n为轴承的转频；

所述内圈故障特征频率f_i：

所述滚动体故障特征频率f_r：

5.根据权利要求1所述的基于K-SVD和滑窗降噪的滚动轴承冲击故障诊断方法，其特征在于，在步骤S1中，所述高通滤波截取频率2k-20kHz的滚动轴承固有频率，滤波信号包含的点数为l_s。