[發明專利]一種基于多尺度符號動力學熵的軸承故障診斷方法

在審

• 申請號: 201711135685.0
• 申請日: 2017-11-16
• 公開（公告）號: CN107991097A
• 公開（公告）日: 2018-05-04
• 發明（設計）人: 李永波;馬存寶;黃怡
• 申請（專利權）人: 西北工業大學
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 西北工業大學專利中心61204
• 代理人: 華金

技術領域

本發明涉及數字信號處理領域。

背景技術

奧地利物理學家玻爾茲曼把熵與相容于每一個宏觀態的微觀狀態數聯系起來，為熵作出了微觀的解釋，即著名的玻爾茲曼公式。玻爾茲曼關系式不僅說明了微觀狀態數的物理意義，還給出了熵函數的統計解釋(微觀意義)。從這一式中可以看出，熵的大小由這一狀態對應的微觀態數目的多少來決定，熵的增加意味著系統包含的微觀態的數目的增加。代表摘大小的微觀狀態數可以用粒子在空間分布的混亂度(無序度)的概念來解釋，粒子越集中，數密度越大，即有序度越高則熵值越小，反之熵就越大。也就是說，微觀態的多少反映了系統混亂度(無序度)的大小。因此，玻爾茲曼關系式表明，熵增加的過程就是系統混亂度(無序度)增大的過程，較小的熵就意味著系統的混亂度小，較大的摘則說明系統的混亂度較大。實際上，這一關系式揭示了熵的本質，即:熵代表了一個系統的混亂程度。玻爾茲曼從統計意義上對熵的微觀解釋使其物理意義更加明確，也為熵概念的泛化奠定了基礎。近幾十年來，人們對熵的應用早己超出熱力學、物理學的范疇，不斷泛化熵的概念和理論，并應用于信息論、數學、非線性動力學以及社會科學等各個領域中。

香農(C.E.Shamion)第一次將熵的概念引入到信息論當中，證明熵與信息內容的不確定程度有等價關系，并把這種不確定程度稱為信息熵。信息熵為信息的量化度量建立了一個統一的計量方法，奠定了現代信息論的基礎。一個系統越是混亂，信息熵就越大，也就是不確定性越大，包含的信息量越多，反之，信息熵就越小，不確定性越小，包含的信息越少。

滾動軸承是旋轉機械中最常用且最重要的組件之一。由于滾動軸承在運行中的故障率較高，使得滾動軸承的故障診斷得到廣泛重視。目前，常見的滾動軸承故障診斷方法主要包括振動信號分析，聲學信號分析，軸承溫度監測和鐵譜分析法等。由于振動信號具有易于采集和分析的優點，基于振動信號的故障診斷方法應用最為廣泛。

當滾動軸承發生故障時，測得振動信號呈現非平穩的特征。傳統時頻域的特征提取方法往往不能有效提取隱藏的故障特征，導致故障識別率降低。由于滾動軸承在不同位置發生故障時，故障沖擊引起的系統響應不同，從而使得振動信號的混亂程度有所不同?；陟刂道碚摰姆治龇椒梢圆唤涍^信號的分解或變換，直接度量信號的復雜度，完成滾動軸承不同故障位置的識別。目前，常用的熵值包括：樣本熵(Sample entropy，SE)和排列熵(Permutation entropy，PE)。然而SE對于大數據的計算效率較低，而PE雖然能夠提高計算效率，但是對噪聲過于敏感，不能夠準確提取軸承故障信息。因此，需要尋找和研究新的非線性動力學指標。

發明內容

本發明解決的技術問題是：本發明為了解決機械系統中信號出現非平穩非線性導致故障特征不明顯的問題，提出了基于多尺度符號動力學和熵的信號特征提取方法。

本發明的技術方案是：一種基于多尺度符號動力學熵的軸承故障診斷方法，包括以下步驟：

步驟一：軸承的振動加速度信號對應為一個時間序列Y{y(i'),i'＝1,2,…,N}，其中i'表示時間序列對應某一時刻的數值，N表示時間序列的長度；該序列中的數值，按照尺度因子τ進行粗粒化分割，形成若干粗粒向量

其中τ為正整數(建議τ取值范圍:1-20)；若干粗粒向量形成新的子時間序列,可將其進一步表述為X{x(i),i＝1,2,…,N₀}。其中i表示子時間序列在i時刻所對應

的數值，N₀表示分割后子時間序列的長度；

步驟二：對步驟一得到的每個子時間序列，分別求取符號動力學熵。

符號動力學熵的求解過程包括以下子步驟：

子步驟一：采用等概率區間劃分準則，將子時間序列的幅值域劃分成ε (3≤ε≤12)個區間，將ε稱為符號數。用符號σ代替時間序列中元素的數值，從而形成符號序列Z{z(k),k＝1,2,…,N₀}，z(k)表示原始時間序列符號化后第k個數值所對應的符號σ；

子步驟二：人為給定的嵌入維數m和時間延遲λ，將符號序列

Z{z(k),k＝1,2,…,N₀}分割成一系列的嵌入向量，

其中