[发明专利]一种滚动轴承在线故障检测方法

摘要

本发明涉及一种滚动轴承在线故障检测方法，首先从轴承振动信号，利用四维联合熵特征与Holder系数特征提取算法，提取任意振动信号中表征故障特征的主导特征向量，然后通过灰色关联理论算法自动地识别出轴承的故障类型及不同的严重程度。解决采用传统时域和频域方法不易对滚动轴承工作健康状况做出准确的评估的问题，本发明准确有效的识别不同的滚动轴承故障类型及故障严重程度；四维联合熵特征与Holder系数特征提取算法，能够从滚动轴承的振动信号中提取出更具区分度的表征故障特征的特征向量；灰色关联算法对滚动轴承的故障识别成功率能够达到100%，而对不同故障类型及故障严重程度的总体识别成功率也能达到约97%。

主权项

1.一种滚动轴承在线故障检测方法，其特征在于，具体包括如下步骤：1)、对旋转机械中的对象滚动轴承在正常运行状态下及不同故障模式下的振动信号进行采样，得到轴承振动信号数据样本，其中，不同的故障模式对应不同的故障类型及严重程度，且在轴承振动信号数据样本中，不同振动信号与不同故障模式一一对应；2)、从轴承振动信号数据样本中提取振动信号，利用四维联合熵特征与Holder系数特征提取算法，提取任意振动信号中表征故障特征的主导特征向量，并根据不同振动信号与不同故障模式的对应关系，得到各主导特征向量与相应故障模式间的对应关系；3)、根据主导特征向量与故障模式间的对应关系建立样本知识库；4)、实时获取当前运行状态下的待诊断滚动轴承的实时振动信号，并利用四维联合熵特征与Holder系数特征提取算法，从实时振动信号中提取实时主导特征向量，基于步骤3)建立的样本知识库，利用灰色关联算法计算实时主导特征向量与样本知识库中各主导特征向量的关联度，通过关联度得到待诊断滚动轴承所属的故障模式。