[发明专利]基于深度核处理的轴承故障诊断方法

说明书

本发明公开了一种基于深度核处理的轴承故障诊断方法，涉及到在高斯噪声和非高斯脉冲噪声共同干扰的情况下，轴承故障振动信号中的轴承故障特征频率的识别问题。所述方法包括以下步骤：采集振动信号x，计算信号x的相关核；利用高斯核函数，计算相关核R_xy的高斯核κ_σ(x,y)；计算振动信号x在Hilbert空间的深度核D(x,y)；计算深度核D(x,y)的谱相关密度S_D(α,f)，画出二维轮廓图和三维立体图，由频谱尖峰可识别轴承故障振动信号中的轴承故障特征频率。本发明能提高对高斯噪声和非高斯脉冲噪声的鲁棒性，能有效识别轴承故障振动信号中的轴承故障特征频率。

技术领域

本发明涉及信号处理技术领域，特别是涉及一种基于深度核处理的轴承故障诊断方法。

背景技术

基于二阶统计量的传统谱相关密度方法，在信号处理领域得到了广泛的应用，能很好地刻画信号的循环平稳特征，有效提取信号中循环周期成分。但在处理强高斯噪声干扰信号时，传统谱相关密度方法的有效性会明显降低；而且传统谱相关密度方法在处理非高斯噪声干扰信号时，甚至会失效。

发明内容

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于深度核处理的轴承故障诊断方法。

为实现本发明的目的所采用的技术方案是：

一种基于深度核处理的轴承故障诊断方法，包括以下步骤：

步骤1，采集振动信号x，设定x是长度为n的列向量，计算信号x的相关核R_xy；

步骤2，利用高斯核函数，计算相关核R_xy的高斯核κ_σ(x,y)；

步骤3，计算振动信号x在Hilbert空间的深度核D(x,y)，将信号x从Euclid空间变换到高维Hilbert空间，深度核D(x,y)是振动信号x的非线性变换；

步骤4，计算深度核D(x,y)的谱相关密度S_D(α,f)，其中，α为循环频率，α刻画轴承故障特征频率及其谐波,f为谱频率；画出二维轮廓图和三维立体图，由频谱尖峰可识别轴承故障振动信号中的轴承故障特征频率。

在上述技术方案中，所述步骤1中，信号x的相关核R_xy＝x·y，其中：y＝x^T，x^T为信号x的转置。

在上述技术方案中，所述步骤2中，其中σ是高斯核的核长，e^(·)是自然指数函数。

在上述技术方案中，所述步骤3中，综合利用相关核和高斯核计算深度核D(x,y)。

在上述技术方案中，σ是高斯核的核长，x^T为信号x的转置。

与现有技术相比，本发明的有益效果是：

1.本发明具有滚动轴承微弱故障信号处理能力，能有效抑制高斯噪声和非高斯噪声干扰，鲁棒性好，提取的轴承故障特征频率精度高、可靠性高。

2.本发明提高了传统基于二阶统计量的谱相关密度方法的鲁棒性，避免了传统谱相关密度方法在非高斯脉冲噪声下失效和在强高斯噪声干扰下性能退化的问题。

附图说明

图1为本发明所述方法的流程图。

图2为实施例2振动信号x(t)的时域波形。

图3为实施例2振动信号x(t)的傅里叶变换(FFT)。

图4为实施例2振动信号x(t)，当σ＝3时的深度核谱相关密度的平面轮廓图。