[发明专利]一种基于MSPAO-VMD的大型转盘轴承微弱振动信号采集与处理方法

权利要求书

1.一种基于MSPAO-VMD的大型转盘轴承微弱振动信号采集与处理方法，其特征在于包括以下步骤：

步骤(1)、确定初始位置：间隔90度在转盘轴承试件的定圈安装低频电容式加速度传感器，并使用电火花在转盘轴承试件的内圈人为制造剥落损伤，从而进行转盘轴承试件滚道损伤实验，同时采集不同受载区域的振动信号；

步骤(2)、优化传感器布局：对转盘轴承试件进行有限元动力学仿真，模拟滚道剥落时，损伤信号的发生规律；比较相同区域中仿真值与真实值的差异，并不断调整所述加速度传感器位置使得四组振动信号各自都具备明显变化趋势以及仿真与实验信号间的差值最小；

步骤(3)、振动信号的模态分解：在确定传感器布局的基础上，进行转盘轴承试件全寿命加速实验，使用多信号源下参数自适应优化后的变分模态分解算法(Multi SourceParameter Adaptive Optimization-Variational Mode Decomposition,MSPAO-VMD)对采集的振动信号进行分解，得到多信号源多模态分量；

步骤(4)、重构高维模态信号组：计算步骤(3)中模态分量的峭度、能量以及信噪比三种指标，对每一模态下的4种分量进行筛选，得到优化后模式构成的高维模态信号组(HighDimensional Modal Signal Group)；

步骤(5)、健康评估：对高维模态信号组进行特征提取以及融合降维处理，进一步得到全生命周期的量化衰退指标,后输入健康评估模型便可对转盘轴承试件进行寿命预测或状态检测；所述步骤(3)中所述参数自适应优化具体步骤如下：预设参数为分解模态数K、带宽限制系数α和拉格朗日乘子步长τ，其中，K值由转盘轴承试件的主要组成数确定：包括内圈、外圈、滚动体和保持架，[α,τ]通过遍历的方式以最小能量损失比为目标函数确定，即：

式中X_raw为原始信号，u_k为第K个模态分量。

2.如权利要求1所述的基于MSPAO-VMD的大型转盘轴承微弱振动信号采集与处理方法，其特征在于，所述步骤(2)中所述使得四组振动信号各自都具备明显变化趋势的具体方法为：计算相同区间内振动信号的量化单调性指标，即：

式中X表示振动信号的绝对值，#posd/dx和#negd/dx分别表示长度为n区间的正负导数。

3.如权利要求1所述的基于MSPAO-VMD的大型转盘轴承微弱振动信号采集与处理方法，其特征在于，所述步骤(4)中所述峭度、能量以及信噪比指标如下所示：

式中u_k为第K个模态分量，为该分量的平均值，σ为标准差；

式中P_signal表示具备退化信息分量的平均功率，P_noise表示噪声的平均功率；此外由优化后模式构成的高维模态信号组覆盖了不同频率区间的信号分量。

4.如权利要求1所述的基于MSPAO-VMD的大型转盘轴承微弱振动信号采集与处理方法，其特征在于，所述步骤(5)中高维模态信号组的特征提取采用时域统计学参数：最大值、方差、均方根、绝对平均幅值、峭度、波形指标、峰值指标、脉冲指标以及裕度指标，融合降维则采用流行学习法确定高维退化特征矩阵的低维流行结构；该方法作为绝大多数数据驱动评估模型的退化特征输入，故采用的健康评估模型为不同核函数下的高斯过程回归(GPR)以及支持向量机(SVM)模型。