[發明專利]變轉速火車滾動軸承故障特征頻率提取方法

有效

• 申請號: 201510043916.X
• 申請日: 2015-01-28
• 公開（公告）號: CN104568444B
• 公開（公告）日: 2017-02-22
• 發明（設計）人: 陳斌;吳冬;周媛;高寶成
• 申請（專利權）人: 北京郵電大學
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.變轉速火車滾動軸承故障特征頻率提取方法，其特征在于包括以下步驟：

步驟一、利用短時傅立葉變換方法對變轉速軸承振動信號進行時頻分析，局部搜索時頻能量分布中能量最大的頻率點，提取出不同時刻主軸轉速對應的瞬時頻率；

(1)給定軸承的振動信號x(n)，對其做離散的短時傅里葉變換，具體計算方法是：

其中，w^*(·)表示窗函數的共軛復數，F(k,f)表示信號在分析時間k頻率f處的頻譜；

(2)通過求時-頻分布函數的模平方，可得振動信號的時-頻能量分布P(k,f)＝|F(k,f)|²；

(3)采用局部峰值搜索方式，獲取主軸的瞬時頻率f，具體方式是：截取軸承實際變速運轉過程中相對平穩的時間窗進行分析，估計每個時間窗內理論轉頻值，假設t₀時刻轉頻估計值為f₀,估計誤差Δf,則以區間[f₀-Δf,f₀+Δf]的最大值作為該時刻的轉頻跟蹤值，同時作為下一時刻的頻率估計中心的更新值；需要說明的是，算法不限定轉頻的基頻特征，若是轉頻成分能量較小，則搜索能量較高的轉頻高次諧波進行跟蹤，然后換算為轉頻的基頻；照此方法逐步搜索，直到搜索完所有時間，獲取主軸的實時瞬時頻率；

步驟二、設計BP(Back Propagation)神經網絡的瞬時頻率擬合模型，計算火車滾動軸承主軸的實時轉速；

(1)建立三層神經網絡模型，其中，輸入層的神經元數為1，以離散時間點作為輸入向量；輸出層神經元數為1，以離散時間點對應的瞬時頻率作為訓練函數的目標向量；隱含層的神經元數，可根據下面的經驗公式得到：

其中，β為無量綱的修正參數，β＝1～10，p為輸入神經元數，q為輸出神經元數；根據隱含層神經元數的取值范圍，設計可變的BP神經網絡模型，通過誤差比較最終確定隱含層神經元的數量；

(2)以均方誤差函數作為神經網絡計算結果與期望輸出之間的偏差，計算方法如下：

其中，分別表示k時刻神經網絡計算得到輸出頻率值和理想輸出頻率值；若誤差J小于給定的最小正數,則神經網絡訓練結束，從而得到時間-瞬時頻率曲線；

(3)依據軸承主軸轉速r與瞬時頻率f之間關系:r＝60*f，以及時間-頻率曲線，可計算得到軸承的實時轉速；

步驟三、依據軸承的實時轉速信息，對振動信號進行等角度的重采樣，將原始信號變換到角度域的平穩信號；

步驟四、采用固定點獨立分量分析方法，對混合階比信號進行分離；

步驟五、采用譜峰搜索處理分離信號，獲得故障部件階比分量特征，具體方法是：

利用短時傅里葉變換進一步分析分離信號，通過譜峰搜索找出分離信號中能量最大的分量，記錄其瞬時頻率，然后根據頻率信息對信號進行重構，去除能量低的其他信號分量，提取所需信號分量，獲得故障部件的階比分量特征。