[发明专利]一种滚动轴承早期损伤状态的特征提取方法

说明书

本发明公开了一种滚动轴承早期损伤状态的特征提取方法，首先对滚动轴承早期损伤信号去偏置量，采用变分模态分解方法对无偏置的滚动轴承早期损伤状态振动信号进行自适应分解处理，得到本征模态分量，然后对每个本征模态分量计算振动能量、振动峭度两个时域特征，利用时域特征构造滚动轴承早期损伤状态的初始特征数据集，再通过主成分分析法对初始特征集进行特征降维，进而得到低维高效的特征向量，实现对滚动轴承早期损伤状态特征信息的有效提取。本发明提供的滚动轴承早期损伤状态的特征提取方法的算法及程序易于实现，整个过程无需人工参与，自动化和智能化程度高，低成本、准确率高、易操作实施，为轴承及设备的安全运行提供了可靠的判断依据。

技术领域

本发明属于故障诊断与信号处理分析技术领域，尤其涉及一种滚动轴承早期损伤状态的特征提取方法。

背景技术

滚动轴承因具备运行精度高、摩擦系数小、易于润滑、便于装配及大批量制造等优点，在电力、冶金、石化、交通运输等多个领域的机械设备中得到广泛应用。滚动轴承对机械设备的稳定、安全、可靠起着非常重要的作用，因而对其损伤状态，特别是早期损伤状态进行监测与诊断，可有效减少设备发生故障的概率，这对提高企业生产效率，保证生产安全具有重大意义。目前，国内外对滚动轴承损伤状态进行监测诊断，主要都是利用轴承的振动信号进行分析，进而对滚动轴承的损伤类型及原因做出决策与识别，虽然这种状态诊断方式具有一定的实用价值，但由于滚动轴承早期损伤故障振动信号携带的特征信息微弱，传统的信号分析方法难以实现轴承早期损伤状态的有效识别，直到滚动轴承损伤程度进一步加剧时，才能发现轴承健康状况出现异常。也就是说，蕴含在轴承早期损伤振动信号中的特征信息没有被有效提取，轴承早期损伤状态没有得到及时诊断，而这有可能导致滚动轴承完全失效甚至整台设备报废。

发明内容

针对上述背景技术中指出的不足，本发明提供了一种滚动轴承早期损伤状态的特征提取方法，旨在解决上述背景技术中现有的滚动轴承损伤诊断方法不能有效提取轴承早期损伤振动信号中的特征信息，难以对轴承早期损伤状态的进行及时诊断的问题。

为实现上述目的，本发明采用的技术方案是：

一种滚动轴承早期损伤状态的特征提取方法，按照以下步骤进行：

(1)计算滚动轴承早期损伤状态原始振动信号x(t)的均值表示为：

其中，M为x(t)的数据点个数，

从原始振动信号x(t)中减去形成无偏置的滚动轴承早期损伤状态振动信号s(t)，表示为：

(2)采用变分模态分解方法对振动信号s(t)进行分解处理，得到h个本征模态分量u₁(t),u₂(t),…,u_h(t)；

(3)对每个本征模态分量u(t)计算振动能量T₁、振动峭度T₂两个时域特征，其表达式分别为：

其中，N为u(t)的数据点个数；

(4)利用步骤(3)中每个本征模态分量u(t)的两个时域特征T₁、T₂共2h个特征，构造滚动轴承早期损伤状态的初始特征数据集A，表示为：

(5)对特征数据集A实施主成分分析，得到低维的敏感特征数据集B及其特征值β_q(q＝1,2,…,l,l≤2h)；