[发明专利]一种基于改进MSET及频谱特征的轴承故障预警及诊断方法

说明书

一种基于改进MSET及频谱特征的轴承故障预警及诊断方法，包括：获取原始振动信号；获得故障特征频率，根据故障特征频率的变化量确定实际频率范围；包络谱分析：利用快速谱峭度及带通滤波法对原始振动信号进行滤波，对滤波后的振动信号进行分析得到包络谱，进而得到监测参数；改进MSET建模：建立历史记忆矩阵，利用得到的历史记忆矩阵建立MSET模型，计算实时获取的振动信号的估计向量及各监测参数的残差；故障预警：利用整体偏离程度及残差偏离程度构建相似度模型，计算历史记忆矩阵的相似度的值，并构建监测阈值，进行故障预警决策；故障诊断：对发出预警后的信号，利用残差贡献度及频率幅值贡献度构建故障贡献率模型，用于对轴承的故障部位进行诊断。

技术领域

本发明涉及一种轴承故障预警及诊断方法，更具体地涉及利用改进MSET及频谱特征判断轴承是否出现早期故障并识别故障类型的方法。

背景技术

旋转机械设备在工业生产中占据重要地位，其长期高效稳定的运行，对保证系统整体的安全可靠运转及降低企业生产维护成本具有重要意义。滚动轴承是旋转机械的最常用也是最容易出现损坏的组成部件之一，一旦发生较大程度的故障，会导致设备乃至系统不能正常运转，进而造成严重的经济或安全问题。因此，保障滚动轴承的安全运行，对旋转机械设备及生产系统的生产效率和安全性具有重要意义。

随着机器学习的发展，以状态分类为目标的预警及诊断方法有了长足发展，如神经网络等。然而这类方法往往需要大量的故障数据预先训练模型，且参数的选择对模型精度具有较大影响。而实际加工过程往往很难得到的完整的故障数据，因此实用性较差。此外基于机器学习及数学推导得到的特征，缺乏物理含义且对信号中的早期故障反映不够敏感，预警能力较差。因此，存在着对于在早期缺乏故障数据时，能够有效地识别出轴承等设备的异常征兆，并对其故障部位做出准确识别的方法的需求。

发明内容

本发明的实施方式提供了一种基于改进MSET及频谱特征的轴承故障预警及诊断方法。改进的多元状态估计技术(Multivariate State Estimation Technique，MSET)是一种非参数状态检测方法，通过建立正常状态空间矩阵及相似度模型，实时对比测试数据是否出现异常。而频谱特征方法，利用轴承的结构特点提取其不同部位对应特定故障特征频率处的幅值作为监测参数，不仅对早期故障信号敏感，并且可通过故障贡献率直接识别故障部位。

因此，基于轴承运行初期产生的正常状态历史数据，结合轴承的结构特点计算故障特征频率，利用快速谱峭度及包络谱分析的方法提取故障特征频率处的幅值作为监测参数。采用改进的MSET方法计算相似度及各参数残差，判断轴承运行状态是否出现异常并进行预警。在此基础上，利用各参数残差及频率幅值变化得到不同部位的故障贡献率对轴承的故障部位进行诊断具有重要的意义。基于此，本发明的实施方式提供了一种基于改进MSET及频谱特征的轴承故障预警及诊断方法。根据本发明的实施方式所提供的基于改进MSET及频谱特征的轴承故障预警及诊断方法利用轴承故障特征频率及快速谱峭度方法提取各部位对应故障特征频率的幅值作为监测参数，利用改进MSET方法判断轴承当前状态是否出现异常。当识别出异常时进行故障预警，并利用残差贡献度及频率幅值贡献度得到不同部位的残差贡献率。在对轴承的运行状态进行监测的同时，为后续维护管理等提供相应的技术依据。