[發明專利]一種用于軸承故障診斷的特征選取方法

有效

• 申請號: 201510728478.0
• 申請日: 2015-10-30
• 公開（公告）號: CN105181336B
• 公開（公告）日: 2016-10-12
• 發明（設計）人: 嚴如強;沈飛
• 申請（專利權）人: 東南大學
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 竇賢宇

技術領域

本發明涉及一種機械故障診斷方法，尤其是一種用于軸承故障診斷的特征選取方法。

背景技術

軸承是機械系統的重要部件之一，軸承故障診斷越來越受到重視，已成為保證生產安全穩定運行和提高產品質量的重要手段和關鍵技術。當前軸承故障特征提取方法大多依賴于某種(類)故障的先驗知識，專門針對一種或幾種故障，而由于故障類型、工況環境以及故障成因的多樣性，其故障特征也各有差異，故面對復雜多變的故障環境，需要多種特征提取方法配合才有所成效，造成計算量與資源浪費，其根本原因是缺乏通用的，不隨故障轉移的特征提取方法。

同時軸承故障特征提取方法的偶然性導致了特征選擇的不確定性，甚至無法實施特征選擇過程，目前特征選擇方法大多基于后續診斷的正確率效果反饋，以剔除弱故障區分能力的特征(或選擇強故障區分能力的特征)，并重新建模。故特征對診斷效果先期估計與評判能力不足，且反復建模使得診斷時間代價較大，模型難以適應動態變化的參數和環境變化，缺乏診斷實時性。

發明內容

為了克服現有故障診斷特征提取和選擇方法的不足，本發明提供了一種用于軸承故障診斷的特征選取方法。所述方法利用奇異值分解(SVD)進行故障信號特征提取，并定義特征區分度公式進行特征選擇，具體采用以下技術方案：

一種用于軸承故障診斷的特征選取方法，包括如下步驟：

步驟(1)：采集軸承不同故障類型的多個振動信號；所述不同故障類型包括不同故障直徑和不同故障部位；根據所采集的振動信號構建各個振動信號自相關函數的矩陣，并對所構建的矩陣進行奇異值分解，得到最大奇異值元素；

步驟(2)：逐步增加矩陣維數，直至矩陣的最大奇異值元素保持穩定；得到此時各個振動信號的奇異值向量和矩陣維數值；

步驟(3)：根據步驟(2)得到的各個振動信號的奇異值向量和矩陣維數值得到不同維數下各個振動信號的奇異值向量的平均曲率；根據各個振動信號的奇異值向量的平均曲率定義反映不同類型的軸承振動信號差異的區分度公式：

dab=q|ln(kakb)|]]>

其中，d_ab為第a類故障類型和第b類故障類型的特征區分度(a∈{1,2,…,r}；b∈{1,2,…,r})，r為故障類型總數；k_a和k_b為這兩類故障特征向量曲線的平均曲率；q為分類性能指標參數統計值；

步驟(4)：逐步減小矩陣維數，計算矩陣奇異值向量，并根據步驟(3)定義的區分度公式計算不同類型的軸承振動信號之間的區分度；當所有軸承振動信號之間的區分度最小值為1時，此時的矩陣維數即為特征選取維數，同時得到的該維數下的奇異值向量即為選取的特征向量。

所述步驟(1)采集的振動信號：

y_id＝{x_i},(i＝1,2,…,k)

其中，y_id為第id(id＝1,2,3…,r)類故障的軸承振動信號序列；r為總故障類別數；x_i＝x(t_i)為t_i時刻振動加速度數據；t_i＝t₀+(i-1)Δt(i＝1,2,…,k)；t₀為初始采樣時刻，Δt＝1/f為相鄰采樣時間間隔；f為采樣頻率；k為總采樣數；i為采樣計數。

所述步驟(2)中，逐步增加矩陣維數，直至矩陣的最大奇異值元素保持穩定過程如下；