[發明專利]基于變分模態分解和排列熵的滾動軸承故障診斷方法

在審

• 申請號: 201610325297.8
• 申請日: 2016-05-16
• 公開（公告）號: CN105758644A
• 公開（公告）日: 2016-07-13
• 發明（設計）人: 鄭小霞;周國旺
• 申請（專利權）人: 上海電力學院
• 主分類號: G01M13/04
• 分類號: G01M13/04;G06K9/00;G06K9/62
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 吳寶根

1.一種基于變分模態分解和排列熵的滾動軸承故障診斷方法，其特征在于，具體包括如下步驟：

1)利用加速度傳感器測量滾動軸承振動信號，采集滾動軸承正常狀態、內圈故障、外圈故障、滾動體故障狀態下振動信號，得到各狀態下的振動數據；

2)采用變分模態分解方法對軸承四種狀態下的振動信號數據進行分解，即對軸承振動信號f(t)尋求K個模態函數u_k(t)，使得每個模態的估計帶寬之和最小，且各模態函數之和等于輸入的軸承振動信號；

3)對步驟2)所得軸承振動信號的K個模態函數，計算各模態分量復雜度特征的排列熵測度，并構建高維特征向量，將該向量作為SVM的故障診斷輸入向量；

4)將得到的高維特征向量輸入支持向量機SVM分類器進行訓練，得到每一類型故障的SVM診斷模型；

5)采集待測軸承振動信號，按照步驟1)、2)、3)構建測試樣本高維特征向量，分別輸入訓練好的SVM診斷模型，通過SVM分類器的輸出結果得到軸承的故障類型和工作狀態，實現滾動軸承的故障診斷。

2.根據權利要求1所述基于變分模態分解和排列熵的滾動軸承故障診斷方法，其特征在于，所述步驟2)采用變分模態分解方法對軸承四種狀態下的振動信號數據進行分解，具體包括如下步驟：

對每個模態函數u_k(t)進行Hilbert變換，得到其解析信號：

(δ(t)+jπt)*uk(t)]]>

式中，δ(t)為脈沖函數，對各模態解析信號混合一預估中心頻率將每個模態頻譜調制到相應的基頻帶：

[(δ(t)+jπt)*uk(t)]e-jωkt]]>

對應的約束變分模型如下：

min{uk},{ωk}{Σk||∂t[(δ(t)+jπt)*uk(t)]e-jωkt||22}]]>

s.t.Σk=1Kuk=f]]>

式中：{u_k}＝{u₁，u₂…，u_K}為分解得到的K個模態分量；{ω_k}＝{ω₁，ω₂…，ω_K}為各模態分量對應的頻率中心；

為求取上述約束變分問題的最優解，引入如下形式的增廣Lagrange函數，即：

L({uk},{ωk},λ)=αΣk=1K||∂t[(δ(t)+jπt)*uk(t)]e-jωkt||22+||f(t)-Σk=1Kuk(t)||22+<λ(t),f(t)-Σk=1Kuk(t)>]]>

式中：α為懲罰參數；λ等同于λ(t)為Lagrange乘子；

利用交替方向乘子法交替更新和λⁿ⁺¹尋求變分問題的最優解，其中上標·ⁿ⁺¹表示變量第n+1次迭代結果，從而將軸承振動信號f(t)分解為K個模態分量。