[发明专利]一种滚动轴承故障诊断的方法

摘要

本发明公开了一种滚动轴承故障诊断的方法，具体涉及一种基于互补总体平均模态分解和支持向量机的滚动轴承故障诊的方法，属于旋转机械故障诊断领域。该方法主要包括步骤S1：获取滚动轴承在正常、外圈故障、内圈故障、滚动体故障状态下的振动加速度信号，得到时域信号样本集。步骤S2：对得到的时域信号样本进行互补总体平均模态分解，得到本征模函数分量。步骤S3：对每个本征模函数分量求取峭度值。步骤S4：建立基于支持向量机的轴承故障诊断模型。步骤S5：将测试样本或者实时样本输入到轴承故障诊断模型中，对故障进行诊断。 1

主权项

1.一种滚动轴承故障诊断的方法，其特征在于：该方法包括以下步骤，

步骤S1：分别获取滚动轴承在正常、外圈故障、内圈故障、滚动体故障状态下各n组振动加速度信号，n≥10，这四种状态分别得到n组时域信号样本集，分别记为x_mn(t)，其中m＝1，2，3，4，n＝1，2，3，……，n；

步骤S2：对得到的时域信号样本集中的样本进行互补总体平均模态分解，得到m个本征模函数分量即IMF分量；

步骤S3：对每个IMF_mn分量的j个c_mni(t)求取峭度值K_mnj；

步骤S4：建立基于支持向量机的轴承故障诊断模型；

步骤S5：将测试样本或者实时样本输入到轴承故障诊断模型中，对故障进行诊断。

2.根据权利要求1所述的一种滚动轴承故障诊断的方法，其特征在于：具体进行如下处理：

步骤S2.1：在原始信号中分别与一对幅值相同、正负成对的高斯白噪声y(t)相加，得到x_mn1(t)和x_mn2(t)两个新信号：

x_mn1(t)＝x_mn(t)+y(t)，x_mn2(t)＝x_mn(t)‑y(t)；

步骤S2.2：分别对x_mn1(t)和x_mn2(t)做EMD分解，得到两组IMF分量，分别记为IMF_mn1，IMF_mn2，对每组IMF取均值，

步骤S2.3：将每个IMF_mn分量记为c_mni(t)，则

其中，i为IMF_mn分量的序号数，j为IMF_mn分量的个数，r_j(t)为趋势余量。

3.根据权利要求1所述的一种滚动轴承故障诊断的方法，其特征在于：S4的具体进行如下处理：

步骤S4.1：将峭度值K_mnj组成一个(mn)×j的故障特征矩阵K，

并将故障特征矩阵K分为训练样本和测试样本；

步骤S4.2：使用训练样本对轴承故障诊断模型进行训练；

步骤S4.3：采用粒子群算法对轴承故障诊断模型进行参数优化，优化的参数包括核函数参数g和误差项的惩罚参数c。