[發明專利]一種基于EMD和PCA的滾動軸承狀態辨識方法

有效

• 申請號: 201210279340.3
• 申請日: 2012-08-07
• 公開（公告）號: CN102778355A
• 公開（公告）日: 2012-11-14
• 發明（設計）人: 秦勇;張媛;賈利民;邢宗義;廖貴玲;陳皓;陳波
• 申請（專利權）人: 北京交通大學
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 朱琨

技術領域

本發明屬于軌道交通安全技術領域。本發明涉及一種基于EMD和PCA的滾動軸承狀態辨識方法。

背景技術

在軌道車輛、汽車、工程機械行業中，滾動軸承的應用十分廣泛，但同時故障率也較高，據統計僅有10%～20%的滾動軸承可以達到設計壽命。因此準確有效的滾動軸承運行狀態監測和識別對于提高工作效率、降低運營成本、保障設備運行安全具有重要意義。

特征的提取和狀態的辨識是滾動軸承狀態監測中需解決的關鍵問題，國內外學者已經對此進行了深入研究。在特征提取方面，經驗模態分解(Empirical?Mode?Decomposition，EMD)是一種較新的信號處理方法，具有自適應和高信噪比的特點，十分適合于機械振動信號等非平穩、非線性信號的分析處理，且通過EMD分解出的本征模函數(Intrinsic?Mode?Function,IMF)分量可用于提取故障特征信息。目前，已有學者采用計算各IMF的能量矩、能量熵、Renyi熵、Shannon熵以及計算IMF矩陣奇異值等方法進行了故障特征提取的研究。但上述研究均未考慮振動信號的統計特征，而振動信號的各種統計量往往包含了豐富的對象運行狀態信息，可檢測出其運行狀態的變化。主成分分析(Principal?Component?Analysis,PCA)是一種典型的多元統計模式識別方法，參數限制少，計算簡單。迄今，基于PCA的多元統計性能監控方法在質量控制、過程監測和故障診斷等領域已有諸多應用。在狀態監測中，通過PCA對當前狀態的采樣數據進行最佳綜合簡化后，可求得不同子空間的統計變量值及其控制限，這些統計變量及其控制限可以表征當前狀態的統計特性。在狀態辨識方面，最小二乘支持向量機(Least?Square?Support?Vector?Machine,LSSVM)是一種基于經典支持向量機(Support?Vector?Machine,SVM)的擴展和改進的智能分類方法。其不僅具有經典SVM的小樣本學習能力強、泛化性能好、有效避免局部極小的特點，而且運算速度快，無需指定逼近精度。因此LSSVM在模式識別、預測控制等領域有廣泛應用。

安全域分析及估計理論最早由WU等提出，應用于電力系統安全狀態評價,之后擴展到網絡控制、公路交通、電子政務等方面。針對滾動軸承狀態監測和識別的研究，其安全域是一個在從域的角度全面描述滾動軸承可正常（無故障）運行區域的定量模型。直觀來說，在狀態特征變量所確定的空間中劃定一個區域，估計此區域的邊界，當滾動軸承的狀態特征變量值所確定的狀態點落在此區域內時，則認定此時滾動軸承運行狀態正常（無故障），當狀態點落在此區域外時，則認為此時滾動軸承運行狀態非正常（故障）。當狀態特征變量數為2，即所確定的空間為二維平面空間時，滾動軸承的運行狀態安全域如圖1所示，其中v₁、v₂為兩個狀態特征變量，P₁、P₂分別表示滾動軸承運行狀態正常和故障時的兩個狀態點。安全域估計的主要工作是獲得安全域邊界，即一能夠區分正常和故障兩種狀態的分類決策函數。

發明內容

本發明的目的是對滾動軸承運行狀態進行監測和識別，獲取滾動軸承安全域邊界以辨識正常和故障兩種運行狀態，進而辨識滾動軸承的正常及滾動體、內圈、外圈故障四種運行狀態。本發明可以為滾動軸承的狀態監測提供可行的途徑，進而提高滾動軸承的工作效率、降低運營成本，對滾動軸承的安全穩定運行提供保障。

一種基于EMD和PCA的滾動軸承狀態辨識方法包括以下步驟：

1）獲取實驗數據：分別采集滾動軸承的運行狀態處于正常和故障情況下的振動加速度數據，故障包括滾動體故障、內圈故障和外圈故障；

2）進行兩類狀態實驗數據劃分或四類狀態實驗數據劃分；

兩類狀態實驗數據劃分是指：按照時間間隔t_I分別劃分將滾動軸承的運行狀態處于正常情況下的振動加速度數據和滾動軸承的運行狀態處于故障情況下的振動加速度數據；劃分的每個數據段對應一個特征向量；

四類狀態實驗數據劃分是指：按照時間間隔t_I分別劃分將滾動軸承的運行狀態處于正常情況下的振動加速度數據、滾動軸承的運行狀態處于滾動體故障情況下的振動加速度數據、滾動軸承的運行狀態處于內圈故障情況下的振動加速度數據和滾動軸承的運行狀態處于外圈故障下的振動加速度數據；劃分的每段數據對應一個特征向量；