[发明专利]一种基于集成噪声重构的总体局部均值分解的滚动轴承故障检测方法有效
申请号: | 201910480507.4 | 申请日: | 2019-06-04 |
公开(公告)号: | CN110146292B | 公开(公告)日: | 2021-08-31 |
发明(设计)人: | 邹金慧;邓佳敏;范玉刚;黄国勇;冯早 | 申请(专利权)人: | 昆明理工大学 |
主分类号: | G01M13/045 | 分类号: | G01M13/045 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 650093 云*** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 集成 噪声 总体 局部 均值 分解 滚动轴承 故障 检测 方法 | ||
1.一种基于集成噪声重构的总体局部均值分解的滚动轴承故障检测方法,其特征在于,包括如下步骤:
Step1:采用局部均值分解方法对滚动轴承的故障信号进行分解,分解后得到一组待处理的PF分量集合和一个残差,设PF分量集合中有M个分量,然后求PF分量集合中的前M/2个PF分量的信噪比的平均值;
Step2:判断Step1求出的信噪比的平均值是否满足低信噪比条件,若满足,则采用极大极小阈值噪声估计方法估计噪声信号;若不满足,则采用局部重构方法估计噪声信号;
Step3:将Step2得到的噪声估计信号与原PF分量中的不含噪信号结合,得到含噪的估计信号,然后采用局部均值分解方法对含噪的估计信号进行分解,再次得到PF分量和残差,计算er,并判断er与ε的大小,erε时,返回Step2重新估计噪声信号,erε时,计算估计PF平均分量和估计平均残差并输出这两个值,即完成了故障信号的提取;
Step4:对Step3中提取的故障信号经过傅里叶变换得到横轴为频率,纵轴为功率的功率谱,然后将得到的功率谱与滚动轴承故障特征频率进行对比,以检测轴承是否存在故障,以及相应故障类型;
所述Step1的具体步骤为:Step1.1对滚动轴承的故障信号x(t)进行局部均值分解,获得PF分量集合{ck(t),k=1,...,M}和残差r(t),PF分量集合中的每个分量ck(t)包括噪声信号n(t)或不含噪的纯净信号s(t)或同时包括噪声信号n(t)和不含噪的纯净信号s(t)或既不包括噪声信号n(t)也不包括不含噪的纯净信号s(t),然后根据公式SNR=s(t)/n(t)计算PF分量集合中前M/2个PF分量中的不含噪的纯净信号s(t)与噪声信号n(t)的信噪比SNR,并求信噪比的平均值,设PF分量集合中共有j个噪声信号nj(t)和i个不含噪的纯净信号si(t),通过xj(t)=si(t)+nj(t),得到j个含噪的信号xj(t);
所述Step2的具体步骤为:Step2.1:若Step1.1求出的信噪比的平均值满足低信噪比条件,则进行如下步骤;
Step2.1.1:通过公式计算各分量的Ek,k=1,...,M,其中Ek是ck(t)的噪声能量级别;
Step2.1.2假设第一个分量的噪声能量等于第一个分量的噪声能量级别E1,即则由近似得到和其中,代表噪声能量,计算置信区间为95%的噪声能量时β=0.7,ρ=2.4,计算置信区间为99%的噪声能量时β=0.7,ρ=1.9,代表置信区间为95%的噪声能量,代表置信区间为99%的噪声能量;
Step2.1.3:分别计算log2{Ek},和筛选出log2{Ek}的值同时落在范围的分量,筛选出的分量组成PF族;
Step2.1.4:采用极大极小阈值噪声估计方法对PF族中的分量的噪声信号进行估计,得到l个噪声估计信号其中PF族中的分量共含c个不含噪的纯净信号sc(t),然后进行Step3;
Step2.2:若Step1.1求出的信噪比的平均值不满足低信噪比条件,则进行如下步骤;
Step2.2.1:由形成滑动窗口,其中INT为取整,N为j个噪声信号nj(t)的吸引子轨迹矩阵;
Step2.2.2:采用公式计算滑动窗口高度m,其中n为自定义滑动窗口宽度;
Step2.2.3:通过j个含噪的信号xj(t)的吸引子轨迹矩阵重构相空间;
Step2.2.4:通过Xmn=UmmΛmnV'nn对Xmn进行奇异值分解来获得奇异值{λi(i=1,...,q),q=min(m,n)},这里,Umm为m×m方阵,Λmn为m×n奇异对角矩阵,,V'nn为n×n方阵,其中,V'nn为Vnn的转置;
Step2.2.5:同理,通过Nmn=UmmΛmnV'nn对Nmn进行奇异值分解来获得奇异值{λj(j=1,...,p),p=min(m,n)};
Step2.2.6:通过计算奇异阶增量ΔSEi;
Step2.2.7:令a加1,重复Step2.2.2~Step2.2.6,然后进行Step3,当奇异阶增量ΔSEi随着奇异值单调递增趋于稳定时或者时,对Step1中PF分量集合中j个噪声信号nj(t)进行局部重构,得到j个噪声估计信号然后进行Step3;
所述Step3的具体步骤为:Step3.1:利用其中h=l或j,得到含噪的估计信号其中为h个不含噪声的纯净信号,即或sc(t);
Step3.2:采用局部均值分解方法对进行分解,获得h个PF分量{ch,k(t)}和残差rn(t),rn(t)表示第n次分解的残差;
Step3.3:根据如下公式计算er,并判断er与ε的大小,若erε,则进行Step3.4,若er≥ε,则返回Step2.1.4或者Step2.2.7,直至erε;
其中,h=l或j;
Step3.4:根据公式和获得估计PF平均分量和估计平均残差其中r为循环次数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆明理工大学,未经昆明理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910480507.4/1.html,转载请声明来源钻瓜专利网。