[发明专利]一种基于振动时频分析的滚动轴承故障诊断方法

摘要

一种基于振动时频分析的滚动轴承故障诊断方法利用振动加速度传感器采集滚动轴承正常条件和故障条件下的振动信号；利用改进后的固有时间尺度分解方法对采集到的振动信号进行分解，生成若干个固有时间尺度分量和残差信号；计算各固有时间尺度分量与振动信号的相关性，选择相关性排在前5位的固有时间尺度分量作为相关分量，剔除噪声信号和伪分量；分别计算各相关分量的魏格纳分布，并进行线性叠加得到原信号的魏格纳时频图；提取魏格纳时频图的差分分形盒维数和图像熵作为故障特征；利用马氏距离建立故障特征与故障类型的映射关系实现故障诊断。本发明解决了Wigner分布交叉项的干扰，确定了差分分形盒维数和图像熵两种具有代表性的故障特征。

主权项

一种基于振动时频分析的滚动轴承故障诊断方法，其特征在于，包括以下步骤：(1)利用振动加速度传感器采集滚动轴承正常条件和故障条件下的振动信号；(2)对固有时间尺度分解中的插值方法和端点效应处理方法进行改进，并利用改进后的固有时间尺度分解方法对采集到的振动信号x(t)进行分解，生成若干个固有时间尺度分量HFm(t)和残差信号un(t)：x(t)=Σm=1nHFm(t)+un(t);]]>所述的改进的固有时间尺度分解中的插值方法，是采用分段埃尔米特插值代替原固有时间尺度分解算法中的线性插值拟合基线信号；所述的改进的固有时间尺度分解中的端点效应处理方法，是采用最小二乘支持向量机延拓解决端点效应，并利用模拟蛙跳算法对最小二乘支持向量机的核函数参数和惩罚因子进行优化；(3)计算各固有时间尺度分量HFm(t)与振动信号x(t)的相关性，选择相关性排在前5位的固有时间尺度分量作为相关分量，剔除噪声信号和伪分量；所述的相关性是采用互信息进行度量，即I(X;Y)=-∫y∫xp(x,y)logp(x,y)p(x)p(y)dxdy]]>其中X和Y为随机变量，I(X；Y)为随机变量X和Y的互信息，p(x)为随机变量X的概率密度函数，p(y)为随机变量Y的概率密度函数，p(x,y)为随机变量X和Y的联合概率密度函数；(4)分别计算各相关分量的魏格纳分布，并进行线性叠加得到原信号的魏格纳时频图；(5)提取魏格纳时频图的差分分形盒维数和图像熵作为故障特征；(6)利用马氏距离建立故障特征与故障类型的映射关系实现故障诊断。