[发明专利]一种提取低速轴承故障应力波的方法

摘要

一种提取低速轴承故障应力波的方法，涉及一种提取故障参数的方法，低速机械应力波故障信号极其微弱，包含各种背景噪声和其它运转部件之间的干扰。但根据来自不同的部件、不同传播路径的源信号所具有的非平稳特性，可提取特征波形并结合特征频率来识别多种故障类型。即使稳定运转的部件，弹性力也表现出非线性特征。采用RBFN可克服迭代过程单一选取非线性函数的弊端，使得信号处理系统能够自适应学习更新分离参数，根据非平稳信号相关性随时间逐渐下降的特点，同时降低了实际诊断时滞性所带来的影响，提高了分离精度。最后经过实际应用证明，这种识别低速轴承多故障的新方法能够高效、准确地监测大型低速机械的运行状态。

主权项

一种提取低速轴承故障应力波的方法，其特征在于，所述方法包括应力波的传播规律，非线性盲信号处理，提取应用；低速机械应力波传播机理，当低速机械载荷稳定时，故障部件表面所受应力达到材料强度时将产生细微裂缝，为保持能量守恒，部件将会由高能态转换为低能态后，在此过程中产生应力波；应力波的传播规律进行计算，以低速滚动轴承为例，应力波沿故障表面传播，这些区域的机械强度将下降，最后导致轴承由细微裂纹变为全部破坏；非线性盲信号处理，在一个多输入‑多输出非线性动态系统中检测到的传感器信号，要找到一个自适应逆系统，计算得以估计出未知原始信号，对于非平稳信号，在迭代过程中其相关属性逐渐下降，输出结果趋于对角化，从而确保计算精度满足要求；低速机械应力波故障信号极其微弱，包含各种背景噪声和其它运转部件之间的干扰；根据来自不同部件、不同传播路径的源信号所具有的非平稳特性，提取特征波形并结合特征频率来识别多种故障类型；即使稳定运转的部件，弹性力也表现出非线性特征；采用RBFN可克服迭代过程单一选取非线性函数的弊端，使得信号处理系统能够自适应学习更新分离参数，根据非平稳信号相关性随时间逐渐下降的特点，同时降低了实际诊断时滞性所带来的影响，提高分离精度。