[发明专利]一种基于改进AFD的滚动轴承故障诊断方法

权利要求书

1.一种基于改进AFD的滚动轴承故障诊断方法，其特征在于，具体包括以下步骤：

Step1、参数初始化设置，分解层数N＝1，SPQ为无穷大，使用传统AFD将振动信号分解为单一分量和一个残余分量r；

Step2、将分解出的单分量进行信号重构；

Step3、计算重构信号的质量分数QS、重构信号的信噪比SNR、重构信号与原始信号的均方根误差百分比PRD；

Step4、构建联合指标公式：SPQ＝log₂(1+aSNR+bQS+cPRD)；

Step5、采用鲸鱼优化算法对SPQ权重系数a，b，c进行优化，得出最优权重系数，计算出联合指标new_SPQ；

Step6、比较new_SPQ与SPQ大小，若new_SPQSPQ，则此时N为最优分解层数，否则将new_SPQ值赋给SPQ，N＝N+1，重复step6，直至找到最优分解层数N。

Step7、将分解出的前N个单一分量进行信号重构，对重构的故障信号进行Teager解调，根据解调后的信号提取故障频率，判断故障类型。

2.根据权利要求1所述一种基于改进AFD的滚动轴承故障诊断方法，其特征在于；

所述Step1中参数初始化设置，分解层数N＝1，SPQ为无穷大；

所述Step5中设置鲸鱼算法的参数为：a1＝2(初始游动因子)、b1＝3(螺线系数)、鲸鱼数量N为20只、迭代100次；通过鲸鱼优化算法得出选取权重系数a＝0.43，b＝0.31，c＝0.26；

所述Step7 TKEO解调得到的能量谱图在频率为105.5Hz处有峰值，和轴承外圈故障理论值107.305Hz接近，且在2～9倍频处存在峰值，判断轴承存在外圈故障。

3.根据权利要求1所述一种基于改进AFD的滚动轴承故障诊断方法，其特征在于；

所述Step1中参数初始化设置，分解层数N＝1，SPQ为无穷大；

所述Step5中设置鲸鱼算法的参数为：a1＝2(初始游动因子)、b1＝3(螺线系数)、鲸鱼数量N为20只、迭代100次；通过鲸鱼优化算法得出选取权重系数a＝0.32，b＝0.45，c＝0.23；

所述Step7中TKEO解调得到的能量谱图在频率为161.1Hz处存在峰值，和轴承内圈故障理论值162.185Hz接近，且在2～6倍频处存在峰值，判断轴承存在内圈故障。

4.根据权利要求1所述一种基于改进AFD的滚动轴承故障诊断方法，其特征在于；

所述Step1中参数初始化设置，分解层数N＝1，SPQ为无穷大；

所述Step5中设置鲸鱼算法的参数为：a1＝2(初始游动因子)、b1＝3(螺线系数)、鲸鱼数量N为20只、迭代100次；通过鲸鱼优化算法得出选取权重系数a＝0.37，b＝0.29，c＝0.34；

所述Step7中TKEO解调得到的能量谱图在频率为106.3Hz处存在峰值，和轴承外圈故障理论值107.22Hz接近，且在2～10倍频处存在峰值，断轴承存在外圈故障。