[发明专利]一种基于多尺度频谱感知技术的轴承故障检测方法

权利要求书

1.一种基于多尺度频谱感知技术的轴承故障检测方法，其特征在于，包括以下步骤：

1)通过传感器采集轴承的振动加速度信号和声信号；

2)信号预处理；

首先对传感器采集到的振动加速度信号的离散频谱序列进行线性分区，得到振动特征向量，具体过程如下：

对振动加速度信号的采样序列V_n进行FFT变换并取绝对值，得到频谱幅值序列A_n；对A_n保留有效频率范围内的数据作为分析对象，得到有效幅值序列B_n；将B_n平均划分为m个区间，并对每个区间中的所有数据求和，得到特征向量F＝[F₁,F₂,F₃,…,F_m]；

其次对声信号的离散频谱序列进行1/3倍频程分区，得到声信号特征向量，具体过程如下：

对声信号的采样序列S_n进行FFT变换并取绝对值，得到频谱幅值序列C_n；对C_n保留有效频率范围内的数据作为分析对象，得到有效幅值序列D_n；将D_n划分为t个倍频程区间，并对每个区间中的所有数据求和，得到特征向量G＝[G₁,G₂,G₃,…,G_t]；

3)对故障振动信号和声信号样本库也进行同样的处理，得到相应的特征向量组{K_F}和{K_G}；

4)分别将振动信号特征向量F和声信号特征向量G与对应的特征向量组进行相关运算，分别得到振动信号和声信号相关系数r(F,K_F)和r(G,K_G)，当振动信号或声信号相关系数大于对应阈值时，则认为符合故障特征，判断故障；

其中，振动信号特征向量F＝[F₁,F₂,F₃,…,F_m]，故障振动信号对应的特征向量组为{K_F}，

则

声信号特征向量G＝[G₁,G₂,G₃,…,G_t]，故障声信号对应的特征向量组为{K_G}，

则

5)综合分析；

根据步骤4)中分别计算的声信号和振动信号的特征向量及其相关系数，进行综合分析以判定故障类别，具体方法如下：

r(F,K_F)p且r(G,K_G)q，判定为轴承润滑不良；

r(F,K_F)p且r(G,K_G)q，判定为轴承一般故障；

r(F,K_F)p且r(G,K_G)q，判定为轴承严重故障；

其中，p、q为设定阈值。