[發明專利]利用概率主分量分析增強循環雙譜的軸承故障診斷方法

有效

• 申請號: 201710942216.3
• 申請日: 2017-10-11
• 公開（公告）號: CN107831013B
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 向家偉;鐘永騰;湯何勝;周余慶;任燕
• 申請（專利權）人: 溫州大學
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 33258 溫州名創知識產權代理有限公司
• 代理人: 曾建芳<國際申請>=<國際公布>=<進入

本發明屬于機械設備故障診斷領域，本發明公開了一種概率主分量增強循環雙譜的軸承故障診斷方法，首先建立能反映原始信號與主元向量潛在聯系的概率主元模型；其次利用概率主元模型對原始信號進行消噪，完整地保留信號的有用成分，并大幅度地提高信噪比，解決故障信號易受噪聲干擾問題；最后對消噪信號作循環雙譜分析，并從單一循環頻率雙譜的等高線圖中診斷出軸承故障。本發明方法一方面利用概率主分量分析消噪能有效地提高信噪比，抑制噪聲，使軸承共振頻率附近的故障頻率調制現象凸顯出來，從而增加循環雙譜形成的六邊形結構清晰度；另一方面，從單一循環頻率雙譜的等高線圖中可直觀檢測出軸承故障類型。

技術領域

本發明屬于機械設備故障診斷技術領域，尤其是一種利用概率主分量分析增強循環雙譜的軸承故障診斷方法。

背景技術

旋轉機械一般由支承部件(軸承)、旋轉部件(軸系)和傳動部件(齒輪)組成，是一種現代設備不可或缺的重要的動力裝置，其結構形式復雜、多樣，被廣泛應用于現代機械加工領域、核電、風能、水電能源領域、大型機組設備和航空裝備上。據統計，旋轉機械發生的故障中，軸承為易損部件，其故障占旋轉機械故障的19％。因此，對軸承的工作狀態進行實時監測，以便早期發現異常故障是十分有價值和現實意義的。

然而，旋轉機械軸承的早期故障特征十分微弱，極易被各種強背景噪聲所掩蓋。另外，軸承的故障信號通常是一種具有沖擊特征的循環平穩信號，具有非高斯性和較寬的頻帶。要想從強背景噪聲下準確地提取出故障特征，采用傳統的頻譜分析法幾乎不可能，必須采用能處理非線性、非高斯和非白色的加性噪聲的現代信號處理方法。而現代信號處理方法在機械故障診斷領域迫切需要解決的問題之一就是可靠的軸承故障特征提取方法。

概率主分量分析(Probabilistic Principal Component Analysis,PPCA)，本質上是一種因子分析隱含變量模型，它將信號的所有變量都用概率分布表達，通過構建概率主元模型，并用最大期望(Expectation Maximization,EM)算法對模型相關參數估計，最后由概率主元模型重新生成觀測數據，從而實現消噪并提高信噪比。循環雙譜分析需要對循環平穩信號進行非線性變換，并產生有限強度的正弦波。然而，信號本身并不含有任何有限強度的加性正弦波分量，為了產生正弦波分量，需在非線性變換的基礎上進行正弦波抽取運算，產生正弦波的頻率就是循環頻率。由于循環雙譜分析易受非高斯噪聲影響，直接影響到故障診斷的成功和準確與否。為此，本文為了克服循環雙譜易受非高斯噪聲影響的不足，對信號采用概率主分量分析增強，提出了一種利用概率主分量分析增強循環雙譜的軸承故障診斷方法，有關這方面研究，目前尚無報道。

發明內容

為了克服現有技術的不足，本發明提供了一種利用概率主分量分析增強循環雙譜的軸承故障診斷方法，該診斷方法可以準確檢測軸承故障情況。

為了實現上述目的，本發明采用的技術方案是：一種利用概率主分量分析增強循環雙譜的軸承故障診斷方法，其特征在于，包括以下步驟：①建立能反映原始信號與主元向量潛在聯系的概率主元模型；②利用概率主元模型對原始信號進行消噪，獲得高信噪比信號，完整地保留信號的有用成分，并大幅度地提高信噪比，解決故障信號易受噪聲干擾問題；③對消噪信號作循環雙譜分析，通過計算三階累積量、正弦抽取運算、二維FFT變換，從而獲得單一循環頻率雙譜的等高線圖，從單一循環頻率雙譜的等高線圖中規則的六邊形頂點坐標與故障特征頻率比較，最終診斷出軸承故障；

其中，步驟①包括以下內容：

概率主元模型是在因子分析法隱含變量模型的基礎上，假設高斯噪聲的方差各

向同性，由因子向量(主元向量)疊加噪聲產生的生成模型，其數學形式為：

X＝P·u+E (1)