[发明专利]一种基于多域特征提取和相关补偿距离的滚动轴承性能评估方法

说明书

本发明涉及一种基于多域特征提取和相关补偿距离的滚动轴承性能评估方法，属于轴承故障诊断方法技术领域。对采集到的振动信号数据进行时域、频域及时频域特征提取并形成多域特征矩阵；将提取到的特征矩阵进行拉普拉斯分值算法数据降维，筛选出含有故障信息最多的特征；再计算故障信号与正常信号之间的相关距离，同时计算故障信号之间的补偿距离，相关距离与补偿距离之和为相关补偿距离；由相关补偿距离大小即可判断到滚动轴承的性能退化情况。本发明提出的性能退化评估方法得到的评估指标能实时监测滚动轴承的性能退化趋势，并且可以及时发现早期故障。

技术领域

本发明涉及一种基于多域特征提取和相关补偿距离的滚动轴承性能评估方法，属于轴承故障诊断方法技术领域。

背景技术

滚动轴承是机械工业广泛应用的、要求严格的配套件和基础件。如今，滚动轴承的应用已经扩大到了原子能、电子计算机、航天及机器人等领域。若不能及时地检测机械装备中滚动轴承的健康状态或损伤情况，不仅可能带来严重事故，还可能造成重大的经济损失。所以对滚动轴承的性能退化程度的研究是很有必要的。近年来，在滚动轴承的退化趋势评估和预测领域涌现出了许多基于数据驱动的方法。从传感器所收集的特征信号能反映轴承的退化信息，在基于滚动轴承的性能退化评估方法中，一般都是直接用振动信号的单域特征作为评估指标。或者更多考虑了部分时频域特征或熵特征，而很少综合利用混合域的特征量来表征滚动轴承的退化状态。并且在计算不同故障轴承和正常状态的相关距离时，很少考虑在传感器采集信号时所缺失的信号。

发明内容

本发明要解决的技术问题是提供一种基于多域特征提取和相关补偿距离的滚动轴承性能评估方法，综合了时域、频域及时频域的评估指标，并在计算相关距离的同时计算故障样本间的补偿距离，有效的评估了滚动轴承的性能状态，解决了上述问题。

本发明的技术方案是：一种基于多域特征提取和相关补偿距离的滚动轴承性能评估方法，其特征在于：

Step1：对采集到的样本信号进行时域，频域及时频域的特征提取并形成多域特征矩阵；其中时域特征包括俏度、均值、方差、均方差、均方根值及偏度，频域特征包括均方频率、均方根频率及重心频率，时频域特征包括信息熵、能量熵及奇异值熵。

Step2：对提取的特征矩阵运用拉普拉斯分值(Laplacian Score，LS)算法进行数据降维，提取包含故障信息最多的敏感特征。

Step3：考虑了特征对各类敏感性表现的波动性，提出了用补偿因子表征各特征在算法中稳定性的方法。不同的特征，对各类敏感性表现的变异特性强烈，其补偿因子就小，反之，补偿因子就大。将最终包含故障信息最多的敏感特征样本中的故障信号与正常信号进行相关距离计算，并计算故障信号的补偿距离，则相关距离和补偿距离之和为相关补偿距离；

Step4：通过相关补偿距离大小对信号是否故障进行判断，即可判断滚动轴承的性能退化情况。

所述Step1中时频域特征提取具体为：将原始待测信号进行EMD分解得到多个IMF分量，将IMF分量与原始信号进行相关系数计算，并设定适当阈值，将相关系数小于设定阈值的IMF分量去除，同时求解剩余IMF分量的能量值及奇异值，并标准化，再计算能量熵及奇异值熵。

对信号的EMD分解的具体步骤如下：

Step1.1：将待分解时域信号作为序列x(t)，提取其所有极值点(包括极大值和极小值点)，分别用三次样条曲线连接极大值点和极小值点，形成上包络线和下包络线，且其应包含所有均值m₁，得到信号差值序列h₁＝x(t)-m₁；

Step1.2：检查h₁是否满足本征模态函数的两个条件：

(1)信号的极值点(极大值或极小值)数目和过零点数目相等或最多相差一个；