[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

说明书

本发明公开了一种基于多尺度频谱感知技术的轴承故障检测方法，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；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，得到相关系数r，当r大于阈值时，则认为符合故障特征，判断故障；5)综合分析；根据步骤4)，分别计算声信号和振动信号的特征向量及其相关系数，然后进行综合分析以判定故障类别。本发明综合利用振动信号和声信号的故障特征，有利于发现早期故障，提高检测效率并减少误判。

技术领域

本发明涉及轴承故障检测技术，尤其涉及一种基于多尺度频谱感知技术的轴承故障检测方法。

背景技术

滚动轴承作为旋转机械设备的关键部件，其可靠性至关重要，一旦发生故障就会破坏设备的稳定运转状态，严重时甚至会危及人身安全。在理想条件下，滚动轴承寿命较长，但由于安装误差、润滑不良和负载过大等因素，只有约十分之一的轴承能达到预期使用寿命。由于轴承的故障严重程度是以指数形式发展，越到后期进展越快，因此发现并处理早期故障对于设备的安全运行显得尤为重要。

现阶段通常采用神经网络的方式对轴承进行故障检测，一般首先采集轴承的加速度振动信号，然后通过各种方法进行时域和频域特征分析，提取相应的特征，并通过神经网络等分类器进行故障检测。由于各种干扰的影响，检测准确性一般都会与理想情况有一定差距。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于多尺度频谱感知技术的轴承故障检测方法。

本发明解决其技术问题所采用的技术方案是：一种基于多尺度频谱感知技术的轴承故障检测方法，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分区，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，得到相关系数r，当r大于阈值时，则认为符合故障特征，判定为故障；

5)综合分析；

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