[发明专利]滚动轴承故障特征提取与运行状态监测方法

摘要

本发明公开了一种滚动轴承故障特征提取与运行状态监测方法，采用TQWT方法对第n次采样获得的待分析信号进行分解，得到细节信号；从细节信号中选择峭度值最大的一个进行包络谱分析，提取包络谱最大峰值所在频率；根据包络谱最大峰值所在频率计算MOMEDA方法的解卷积周期T_n后，从n个解卷积周期中找出互不相等的m个解卷积周期；并依次设置MOMEDA方法的解卷积周期，一一对应计算获得各包络谱的故障特征比值，若包络谱的故障特征比值超出阈值，则表明滚动轴承出现故障。本发明采用TQWT方法和MOMEDA方法相结合，实现滚动轴承故障特征的精确提取，通过计算解卷积输出信号包络谱的故障特征比实现滚动轴承运行状态的有效监测。

主权项

1.一种滚动轴承故障特征提取与运行状态监测方法，其特征是按如下步骤进行：步骤1、初始化采样序号n：n＝1；步骤2、第n次采样；利用振动加速度传感器拾取运行工况下的滚动轴承振动信号作为待分析信号T表示转置，N为采样长度，x₁ x₂…x_N表示离散化的待分析信号的每个数据点的数值；步骤3、使用TQWT方法将所述待分析信号分解为J个细节信号和1个逼近信号表示待分析信号中的低频全局信息；所述TQWT方法是指可调品质因子Q小波变换的方法；步骤4、选择J个细节信号中峭度值最大的一个细节信号作为第n次采样信号的最优细节信号进行包络谱分析，提取包络谱最大峰值所在频率作为第n次采样信号的故障优势频率f_n；步骤5、若n＝1，则f_n为f₁,计算获得与f₁相对应的MOMEDA方法的解卷积周期T₁，T₁＝f_s/f₁，f_s表示采样频率；若n＞1，计算获得K值，K＝f_n/f_n‑1；当K为整数，将与f_n对应的MOMEDA方法的解卷积周期T_n取值为T_n‑1；当K为非整数，计算获得与f_n相对应的MOMEDA方法的解卷积周期T_n，T_n＝f_s/f_n；所述MOMEDA方法是指：多点最优卷积调整的最小熵解卷积方法；步骤6、找出n个解卷积周期T₁,T₂,…,T_n中互不相等的m个解卷积周期T¹，T²，…，T^m；并在n个最大峰值所在频率f₁，f₂，…，f_n中找出与m个解卷积周期T¹，T²，…，T^m一一对应的频率值f¹,f²,…,f^m,m≤n；步骤7、依次设置MOMEDA的解卷积周期为T¹，T²，…，T^m；采用MOMEDA方法对待分析信号进行解卷积降噪，得到与所述m个解卷积周期T¹，T²，…，T^m一一对应的输出信号k＝N‑L，L为逆滤波器长度，取：L＝1000，上标T表示转置，表示离散化的输出信号每个数据点的数值；步骤8、对所述输出信号分别进行包络谱分析，并一一对应计算获得各包络谱故障特征比值：FCRES中的下标表示与之对应的解卷积周期；所述包络谱的故障特征比值FCRES按如下方式计算获得：求取所述输出信号的包络谱一一对应为Y¹(f),Y²(f),…,Y^m(f)，则与所述输出信号一一对应的各包络谱的故障特征比值为：STD(Yⁱ(f))为Yⁱ(f)的标准差，E(Yⁱ(f))为Yⁱ(f)的均值，为步骤6中与Tⁱ相对应的最大峰值所在频率fⁱ及其倍频处的幅值；其中取M＝3；RMS[]表示求有效值；步骤9、若是所述包络谱故障特征比值中任一数值超过给定阈值，即判断为轴承运行状态发生变化；若否，则将采样序号n增加1重复步骤2‑步骤9。