[發明專利]一種基于壓縮感知的工況擾動條件下的滾動軸承故障診斷方法

有效

• 申請號: 201510752790.3
• 申請日: 2015-11-06
• 公開（公告）號: CN105258947A
• 公開（公告）日: 2016-01-20
• 發明（設計）人: 呂琛;袁航;陳子涵
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01M13/04
• 分類號: G01M13/04;G06K9/00
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;顧煒

技術領域

本發明屬于滾動軸承的故障診斷技術領域，具體涉及一種基于壓縮感知的工況擾動條件下的滾動軸承故障診斷方法。

背景技術

滾動軸承廣泛應用于工業生產的各個領域。對滾動軸承進行故障診斷是提高機械系統可靠性和安全性的重要手段之一。然而，一方面滾動軸承的工作環境復雜多變，其工況經常受到很多因素的擾動，這使得滾動軸承的常規故障診斷方法效率不高。另一方面，傳統滾動軸承故障診斷方法需要充足的滾動軸承狀態監測的數據，但對于航空航天領域，或者其他需要遠程故障診斷的領域，時常無法保證有充足的信號傳輸帶寬來傳輸這些數據，另外對于機載和地面計算機來說，這種大量數據對于計算機運算性能也是極大的壓力。因此，對于滾動軸承的故障診斷來說，考慮工況擾動和減少數據量是十分必要的。作為工業系統的重要部件，近年來，針對滾動軸承故障診斷的研究比較廣泛。然而在工況擾動的情況下進行故障診斷很少被提及，涉及關于帶寬限制和計算機性能的討論則更少。

為了解決上述問題，本發明提出了一種基于壓縮感知的針對工況擾動下的滾動軸承故障診斷方法。在進行滾動軸承故障診斷時，采取了壓縮感知的方法，其中測量矩陣使用高斯分布的隨機矩陣，字典矩陣使用基于原始數據生成的匹配矩陣，重構算法使用正交匹配追蹤。針對滾動軸承測量數據量大的問題，使用測量矩陣將測量數據量減少一半，再將測量矩陣和隨機矩陣相乘得到傳感矩陣，傳感矩陣的每一列成為一個原子，最后使用匹配追蹤算法找出與待測信號最相似的幾個原子，通過原子所屬的類別診斷出該滾動軸承屬于哪種類型的故障。

發明內容

本發明的目的是為了解決以下問題：在監測數據傳輸帶寬有限的情況下，難以通過小樣本進行故障檢測的問題；滾動軸承工作環境變化，工況有擾動的情況下，進行軸承故障診斷困難的問題。

本發明是一種基于壓縮感知的工況擾動條件下的滾動軸承故障診斷方法，具體包括以下步驟：

步驟一、在數據采集階段，采用提前預設的隨機矩陣將采得的數據量壓縮為原來的50％，然后將壓縮后的數據到地面控制中心；

步驟二、在機載/現場端，利用壓縮數據，采用正交匹配追蹤算法，進行工況擾動條件下的故障診斷；

步驟三、在地面控制中心，根據提前預設的隨機矩陣，使用匹配追蹤算法將壓縮后的振動數據恢復到未壓縮的狀態，進一步用于確認滾動軸承的故障狀態和健康狀態，便于控制中心做出決策。

其中，該方法可用于工況擾動條件下的軸承故障診斷；步驟二中在機載端或現場端，利用壓縮感知中的測量矩陣對振動信號進行壓縮采樣，并利用壓縮后的信號，采用重構評價的方法對軸承進行前段故障診斷；在地面控制中心或遠端，利用壓縮感知中的字典矩陣和重構方法，進行原始振動信號恢復，以支撐遠端增強故障診斷和性能評估。

其中，所述的重構匹配故障診斷方法，利用測量矩陣對原始參考矩陣進行壓縮，獲取壓縮參考矩陣；利用壓縮參考矩陣，采用匹配追蹤算法，獲取自適應分類向量；將自適應分類向量中各個故障類型對應的位置的元素分別置零，獲取與故障類型數相同的置零分類向量；分別利用各個置零分類向量和壓縮參考矩陣重構壓縮測試樣本，確定重構誤差最小的置零分類向量，其類型即為測試樣本的故障類型。

其中，所述的原始參考矩陣，將各類型，各工況軸承振動信號切為長度相同的向量；按照故障類型優先，每個故障類型包含多種工況的方式，將各類型/工況的樣本進行排列，獲取原始參考矩陣；原始參考矩陣的行數為每個樣本向量的長度，列數為類型數和工況數的乘積。

其中，原始振動信號恢復，對壓縮信號進行分段，然后針對每段有限長度的壓縮振動信號；利用傅里葉變換矩陣和正交匹配追蹤，采用壓縮感知信號重構的方法對其進行重構；將重構后的各段信號連接，獲取整體重構振動信號。

本發明的優點與積極效果在于：

(1)本發明針對滾動軸承的工作環境復雜多變，其工況經常受到很多因素的擾動，常規故障診斷方法效率并不高的問題，提出了基于匹配追蹤的故障診斷算法，算法運行時間短，消耗資源少，提高了滾動軸承故障診斷的準確率和效率；

(2)本發明針對需要遠程故障診斷的領域，時常不能保證有充足的信號傳輸帶寬來傳輸大量數據的問題，以及對于機載計算機來說，實時處理大量數據有很大壓力的問題，提出了基于壓縮感知的故障診斷算法，有效降低了采樣數據量，降低了運算資源消耗量和帶寬消耗量；

(3)本發明采用基于匹配追蹤的壓縮感知恢復算法，以極大的概率和準確率在地面中心恢復到未壓縮的數據，并保持原數據的可分類特征，可以用于實現遠程故障診斷以及評估等工作。

附圖說明