[发明专利]火车滚动轴承故障与杂质振动区分方法

摘要

本发明公开了一种火车滚动轴承故障与杂质振动区分方法，包括：利用时谱峭度对原始轴承振动信号进行滤波处理，采用经验模态分解技术对预处理后振动信号进行逐层分解，得到各个本征模态分量；通过对各个本征模态分量进行频谱及统计特性分析，提取由频谱重心和特征频率能量比构成的特征向量作为输入，训练建立基于支持向量机的分类器模型，实时区分异音滚动轴承发生故障还是含有杂质。本发明提供了一种基于振动信号分析的火车滚动轴承故障与含杂质状态的区分方法，该方法有效提高了轴承故障识别的准确率，解决了杂质引发的轴承振动诊断方法存在的虚警率过高的问题，为振动诊断方法的工程应用提供了较好的技术支撑。

主权项

1.一种火车滚动轴承故障与杂质振动区分方法，其特征在于包括以下步骤：步骤1)采用时谱峭度自适应确定火车滚动轴承的共振频带，对原始振动信号进行滤波处理；步骤2)采用经验模态分解技术对预处理后振动信号进行分解，得到各个本征模态函数(Intrinsic Mode Function,IMF)分量，具体包括以下步骤：步骤201)确定预处理后振动信号的所有局部极大值和极小值点，通过三次样条插值对所有极值点进行拟合，得到信号的上包络和下包络线，并计算出上下包络线的平均值；步骤202)将振动信号减去上下包络线的平均值，所得信号h(t)若满足条件F：在整个数据段内极值点的个数和过零点的个数相等或最多相差一个，并且在任意时刻由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为0，则为IMF分量；步骤203)若h(t)不满足条件F，则将其作为原始数据重复步骤201)、202)直到满足条件F为止，此时得到第一个IMF分量；步骤204)计算信号的残差并将其作为原始数据，重复步骤201)、202)和203)，当残差信号成为一个单调函数，不能再从中提取满足IMF条件的分量时，则循环结束，其中停止的标准可以通过限制两个连续处理结果之间的标准差来实现；通过分解，信号可以由各个IMF分量和残差信号来表示；步骤3)对IMF分量进行频谱分析和特征提取，训练建立基于支持向量机的分类器模型，具体包括以下步骤：步骤301)对分解得到的IMF分量做频谱分析，当轴承运行于故障或含有杂质状态时，分解得到的IMF分量的功率谱在整个频带上分布具有一定差异性，据此，提取所有IMF的频谱重心和特征频率能量比构造特征向量，其中，特征频率能量比是指振动信号特征频率处幅值与所属窄带内信号总能量之比；步骤302)以步骤301)提取的特征向量作为输入，利用实验获取的有限样本集训练建立基于支持向量机的分类器模型，区分异音滚动轴承发生故障还是含有杂质。