[发明专利]一种基于稀疏理论的轴承故障诊断方法

说明书

本公开揭示了一种基于稀疏理论的轴承故障诊断方法，包括：通过经验模态分解将采集到的轴承的原始振动信号X(t)分解成N个本征模式函数，计算出每个本征模式函数c_i(t)的能占比γ_i并按照从大到小排序，选取最大能占比对应的本征模式函数作为分析信号x(t)；利用所述分析信号x(t)提取轴承中由第i阶固有频率f_ni激起的自由衰减响应x_i(t)，通过优化算法从该自由衰减响应x_i(t)中提取模态参数；利用质量‑弹簧二阶阻尼系统的脉冲响应函数作为原子模型，将所提取的模态参数集合化形成参数集，将该参数集输入原子模型中，构建稀疏字典；利用匹配追踪算法结合所构建的稀疏字典求解出重构信号，并对所述重构信号进行包络解调分析形成包络谱，当包络谱中存在轴承的故障特征频率时，即可实现故障诊断。

技术领域

本公开属于故障诊断领域，具体涉及一种基于稀疏理论的轴承故障诊断方法。

背景技术

滚动轴承作为关键零部件在旋转机械中起着重要的作用，其故障直接影响到设备的稳定运行，有时甚至造成设备的损坏停机。由于其工作环境的特殊性，如许多机械设备长期运行在变载、高温等复杂工况下，当轴承部件发生故障时，其振动信号往往表现出非线性、非平稳特征，并且极易受到环境噪声的干扰，降低了振动信号的信噪比，增加了故障特征的提取难度。

滚动轴承故障诊断的关键在于从含有谐波及噪声干扰的振动信号中提取出隐藏的故障特征。传统的傅里叶变换等频谱分析方法可以有效地从平稳信号中提取出故障特征，但却不适用于处理非平稳信号，有时甚至会得到错误的分析结果。短时傅里叶变换、小波变换、Wigner-Ville分布等时频分析方法相对于传统的频谱分析，可以同时提取出故障信号在时域与频域的局部信息，更加适用于非平稳信号的分析，因此在故障诊断领域得到广泛应用。

稀疏表示作为故障诊断领域近几年来的研究热点之一，由于在信号处理方面优越的性能，受到了广泛关注。其核心思想是从超完备的稀疏字典中，选取与信号最佳匹配的原子，获得信号更加稀疏的表达，从而更加容易提取出故障信号中隐藏的故障特征。稀疏表示的两大关键问题在于稀疏字典的设计以及稀疏系数的求解，稀疏字典过大虽然可以保证一定的冗余性，但会降低求解效率，过小则能提高求解效率但会降低匹配精度。

在以往的基于稀疏表示的故障诊断中，尚未发现通过识别系统的模态参数构建稀疏字典方法的研究。本发明通过对于系统模态参数的提取设计稀疏字典，不仅可以使得字典原子与原始信号结构更加相似，提升信号重构的精度，同时可以大大缩小字典的维度，提升匹配效率。因此，研究通过识别系统的模态参数方式构建稀疏字典进行故障诊断具有很大的实际应用潜力。

发明内容

针对上述问题，本公开的目的在于提供一种基于稀疏理论的轴承故障诊断方法，通过识别系统的模态参数有效设计出与原始信号结构更加相似的稀疏字典原子，提升信号重构的精度，同时可以大大缩小稀疏字典的维度，提升匹配效率。

本公开通过以下技术方案实现上述目的：

一种基于稀疏理论的轴承故障诊断方法，包括以下步骤：

S100：通过经验模态分解将采集到的轴承的原始振动信号X(t)分解成N个本征模式函数，计算出每个本征模式函数c_i(t)的能占比γ_i并按照从大到小排序，选取最大能占比对应的本征模式函数作为分析信号x(t)；

S200：利用所述分析信号x(t)提取轴承中由第i阶固有频率f_ni激起的自由衰减响应x_i(t)，通过优化算法从该自由衰减响应x_i(t)中提取模态参数；

S300：利用质量-弹簧二阶阻尼系统的脉冲响应函数作为原子模型，将所提取的模态参数集合化形成参数集，将该参数集输入原子模型中，构建稀疏字典；