[发明专利]基于集合固有时间尺度分解算法的滚动轴承故障诊断方法

摘要

一种基于集合固有时间尺度分解算法的滚动轴承故障诊断方法，包括以下步骤利用位移传感器采集滚动轴承的振动信号；利用集合固有时间尺度分解算法对采集到的振动信号进行分解，生成若干个旋转分量和残差信号；从所有旋转分量中选取能够反映故障信息的敏感旋转分量；对敏感旋转分量进行包络谱分析；通过分析故障特征频率对应的包络谱幅值判断故障类型。本发明解决了固有时间尺度分解算法的模态混叠问题，为特征提取奠定了良好的基础，通过计算峭度，选取了对故障较为敏感的旋转分量，最后通过分析故障特征频率对应的敏感分量包络谱幅值判断故障类型。本发明可以准确的识别滚动轴承故障，适用于滚动轴承故障诊断。

主权项

一种基于集合固有时间尺度分解算法的滚动轴承故障诊断方法，其特征在于，包括以下步骤：1)利用位移传感器采集滚动轴承的振动信号x(t)；2)利用集合固有时间尺度分解算法对采集到的振动信号x(t)进行分解，生成若干个旋转分量和残差信号e(t)；x(t)=Σk=1KPRCk(t)‾+e(t)]]>其中，K为旋转分量的总数，k为旋转分量标号；所述的集合固有时间尺度分解算法，包括首先定义算子Hk(·)为利用固有时间尺度分解算法获取信号的第k阶旋转分量，进行如下步骤：(1)初始化M个幅值为A的白噪声信号ni(t)，i＝1,...,M，其中M为偶数，ni(t)＝‑nM/2+i(t)；(2)将白噪声信号ni(t)分别添加到振动信号x(t)中生成M个混合信号x(t)+ni(t)；(3)利用固有时间尺度分解算法计算各混合信号x(t)+ni(t)的第一阶旋转分量并对所有第一阶旋转分量求平均值，将所述平均值定义为的集合固有时间尺度分解算法的第一阶旋转分量PRC1(t)‾=Σi=1MPRC1i(t)/M;]]>(4)计算一阶残差信号e1(t)=x(t)-PRC1(t)‾;]]>(5)利用固有时间尺度分解算法计算各e1(t)+α1·H1(ni(t))信号的第一阶旋转分量H1(e1(t)+α1·H1(ni(t)))，并对所有第一阶旋转分量H1(e1(t)+α1·H1(ni(t)))求平均值，将所述平均值定义为的集合固有时间尺度分解算法的第二阶旋转分量PRC2(t)‾=Σi=1MH1(e1(t)+α1·H1(ni(t)))/M;]]>(6)对于k＝2,3,…,K，计算第k阶残差信号ek(t)=e(k-1)(t)-PRCk(t)‾;]]>(7)利用固有时间尺度分解算法计算各ek(t)+αk·Hk(ni(t))信号的第一阶旋转分量H1(ek(t)+α1·Hk(ni(t)))，并对所有第一阶旋转分量H1(ek(t)+α1·Hk(ni(t)))求平均值，将所述平均值定义为的集合固有时间尺度分解算法的第k+1阶旋转分量PRC(k+1)(t)‾=Σi=1MH1(ek(t)+αk·Hk(ni(t)))/M]]>其中的系数αk是采用如下公式得到：αk＝ε·std(ek(t))/std(Hk(ni(t)))其中，ε为白噪声幅值A与信号标准偏差的比值，std(ek(t))为信号ek(t)的标准偏差；(8)令k＝k+1，重复步骤(5)～(7)直到第k阶残差信号e(t)满足固有时间尺度分解算法的终止条件，最终振动信号x(t)表示为x(t)=Σk=1KPRCk(t)‾+e(t);]]>3)从所有旋转分量中选取能够反映故障信息的敏感旋转分量；4)对敏感旋转分量进行包络谱分析；5)通过分析故障特征频率对应的包络谱幅值判断故障类型。