[发明专利]一种基于解卷积和包络谱的滚动轴承故障诊断方法

权利要求书

1.一种基于解卷积和包络谱的滚动轴承故障诊断方法，其特征在于：包括如下步骤：

S1、在滚动轴承故障模拟实验台上按特定采样频率分别采集正常状态、内圈故障、外圈故障和滚动体故障状态下的试验数据；

S2、将步骤S1中的试验数据采用MCKD算法对四种状态下的振动信号进行降噪处理，突显信号的故障特征；

S3、对步骤S2中振动信号去噪后进行VMD分解，并通过能量熵增量、峭度准则得到不同状态下可有效表征信号自身特性的模态分量；

S4、计算各模态分量的包络谱幅值特征比δ_i、λ_i以及归一化包络谱熵b_i(i＝1,2,…,K)，并构建多特征高维特征向量

T＝[δ₁,…,δ_K,λ₁,…,λ_K,b₁,…,b_K]；

S5、选取一部分数据作为标准样本，以样本均值为FCM算法的初始聚类中心，余下数据作为检测样本，并根据FCM的聚类结果识别出滚动轴承的工作状态和故障类型。

2.根据权利要求1所述的一种基于解卷积和包络谱的滚动轴承故障诊断方法，其特征在于，所述步骤S1中采用滚动轴承故障模拟实验台上所获取的滚动轴承正常、内圈故障、外圈故障和滚动体故障四种工况下的数据进行分析，该实验台由驱动电机、转矩传感器、功率计和信号采集器装置组成，实验所选用的轴承型号为6203型深沟球轴承，信号采集过程中，采用B&K采集系统，加速度传感器类型为4507型加速度传感器，采样频率为12000Hz，转轴转速为1800r/min。

3.根据权利要求1所述的一种基于解卷积和包络谱的滚动轴承故障诊断方法，其特征在于，所述步骤S5中通过对大量实测滚动轴承振动信号的分析，选取模态分解个数K＝5、惩罚参数α＝2000对滚动轴承信号进行分解。

4.根据权利要求1所述的一种基于解卷积和包络谱的滚动轴承故障诊断方法，其特征在于，为研究不同损伤程度情况下，对滚动轴承工作状态分类识别结果的影响，对滚动轴承滚动体故障信号进行分析，转轴转速1800r/min，采样频率12000Hz，损伤程度按损伤点直径分为轻微、中等和重度损伤，即损伤点直接分别为0.18mm、0.36mm和0.53mm，损伤点深度为0.27mm。