[发明专利]一种基于图相似度特征提取的滚动轴承故障检测方法

说明书

本发明公开一种基于图相似度特征提取的滚动轴承故障检测方法，从图相似度特征提取的角度来挖掘非平稳的滚动轴承振动信号中潜藏的特征，并在此基础上实施滚动轴承的故障检测。具体来讲，本发明方法首先将振动信号按照区间转变成能体现信号之间相似度的图矩阵，再利用图特征提取算法对图矩阵进行特征提取。最后，使用提取出的特征来判断滚动轴承是否出现了故障。本发明方法的优势在于：能将振动信号转变成能体现振动信号之间距离相似性的图矩阵，并对图矩阵进行特征提取，从时域的角度实现了滚动轴承振动信号的特征分析与提取，且不涉及复杂的运算，实施操作简单。

技术领域

本发明涉及一种轴承故障检测方法，特别涉及一种基于图相似度特征提取的滚动轴承故障检测方法。

背景技术

随着工业技术向着智能化、科技化和集成化发展，现代机械装备的功能要求和使用条件逐步提升，对装备的可靠性也提出了更高的要求，对滚动轴承维修技术的研究逐步获得重视。滚动轴承作为支撑旋转体并降低摩擦系数的关键功能部件而广泛应用于旋转式的机械设备中，其工作性能的好坏直接关系到设备的正常运行。轴承在运转工作过程中不可避免的受到轴向载荷和循环交变载荷作用，易产生疲劳剥落或磨损等失效形式，若不根据使用情况及时更换轴承，严重时将会发生突发事故造成不必要的损失与伤亡。近十年随着人工智能和信息技术的发展，对轴承进行故障检测大多采用数据驱动的方法，但目前数据驱动的故障检测大都是使用振动信号的频域分析特征来进行滚动轴承的故障检测。

对滚动轴承故障诊断进行研究除了具有重要的实际意义之外，还具备深刻的理论意义。在实施滚动轴承故障诊断的过程中，可以推动测控技术、信号处理、模式分类、优化方法等与故障诊断相关的一系列理论方法的发展，不断完善机械故障诊断学科的发展。同时也为下一代新产品的更新换代提供了合理的优化改进依据。目前，滚动轴承的故障诊断技术仍以振动信号分析方法为主。但是由于轴承故障信号是一种非线性非平稳随机信号，传统的信号处理方法难以有效处理，因此，有必要对滚动轴承故障诊断技术进行深入地研究。

早期的轴承振动信号特征提取主要是借助于傅里叶变换进行的，称为经典信号分析方法。基于傅里叶变换的信号分析发展缓慢，主要原因是其计算量大。工程实际中，从机械设备上所测得的振动信号千变万化，其中大量为非平稳、非高斯分布和非线性的随机信号，尤其是当设备出现故障时上述情形显得更为突出。而基于变换的谱分析主要适用于平稳信号时不变信号，因此有必要寻找一种适合于非平稳信号分析的方法，它既能反映信号的频率内容，又能反映该频率内容随时间变化的规律，还能准确地反映出信号能量随时间的分布情况。

发明内容

本发明所要解决的主要技术问题是：如何从图相似度特征提取的角度来挖掘非平稳的滚动轴承振动信号中潜藏的特征，并在此基础上实施滚动轴承的故障检测。具体来讲，本发明方法首先将振动信号按照区间转变成能体现信号之间相似度的图矩阵，再利用图特征提取算法对图矩阵进行特征提取。最后，使用提取出的特征来判断滚动轴承是否出现了故障。

本发明方法解决上述问题所采用的技术方案为：一种基于图相似度特征提取的滚动轴承故障检测方法，包括以下所示步骤：

步骤(1)：利用加速度振动传感器采集滚动轴承在健康运行状态下的振动信号数据，记为振动信号向量z∈R^N×1，并同时记录加速度振动传感器采集信号的频率f和滚动轴承的转动频率r；其中，R^N×1表示N×1维的实数向量，N为振动信号数据的个数，频率的单位为赫兹(Hz)，R表示实数集。

步骤(2)：先设置移动窗口长度L等于f除以r的商，再从振动信号向量z∈R^N×1的第一个元素开始，利用移动窗口依次将z划分成n个L×1维的窗口向量x₁，x₂，…，x_n，具体的实施过程如下所示：

步骤(2.1)：初始化i＝1。