[發(fā)明專利]基于相關(guān)系數(shù)改進(jìn)變分模態(tài)分解的滾動軸承故障診斷方法

在審

• 申請?zhí)枺?/td>: 201711275352.8
• 申請日: 2017-12-06
• 公開（公告）號: CN108387373A
• 公開（公告）日: 2018-08-10
• 發(fā)明（設(shè)計）人: 鄭小霞;陳廣寧
• 申請（專利權(quán)）人: 上海電力學(xué)院
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 趙志遠(yuǎn)

本發(fā)明涉及一種基于相關(guān)系數(shù)改進(jìn)變分模態(tài)分解的滾動軸承故障診斷方法，包括以下步驟：1)獲取待診斷滾動軸承的振動信號；2)設(shè)定分解個數(shù)K的初始值以及相關(guān)系數(shù)閾值；3)根據(jù)設(shè)定的分解個數(shù)K對振動信號通過VMD算法進(jìn)行分解，并且計算在此分解個數(shù)K的條件下對應(yīng)的各模態(tài)分量之間的相關(guān)系數(shù)；4)判斷各模態(tài)分量之間的相關(guān)系數(shù)是否超過相關(guān)系數(shù)閾值，若否，則將當(dāng)前分解個數(shù)K的值加1，并且返回步驟3)，若是，則將此時的K值減1作為最終的分解個數(shù)K的值。與現(xiàn)有技術(shù)相比，本發(fā)明具有減少模態(tài)混疊、防止信號缺失、有效提取診斷等優(yōu)點。

技術(shù)領(lǐng)域

本發(fā)明涉及滾動軸承故障診斷，尤其是涉及一種基于相關(guān)系數(shù)改進(jìn)變分模態(tài)分解的滾動軸承故障診斷方法。

背景技術(shù)

滾動軸承作為一種廣泛使用的零部件在機械設(shè)備的運行中發(fā)揮著重要的作用，滾動軸承故障會導(dǎo)致滾動軸承的失效，進(jìn)而嚴(yán)重影響機械設(shè)備的運行，而隨著機電設(shè)備的工作環(huán)境愈發(fā)復(fù)雜，軸承發(fā)生故障的幾率逐漸增大。據(jù)統(tǒng)計，大約30％的機械設(shè)備故障是由滾動軸承局部損傷故障引起。因此，滾動軸承的故障診斷技術(shù)收到越來越多人的關(guān)注。

機械設(shè)備中測量得到的滾動軸承振動信號大多是復(fù)雜的調(diào)幅-調(diào)頻信號，其故障特征微弱難以提取，需要對原始振動信號分解之后，對分量進(jìn)行分析處理。基于此，變分模態(tài)分解(Variational Mode Decomposition，簡稱VMD)作為一種自適應(yīng)信號處理方法，被運用到故障診斷領(lǐng)域中，它可以通過迭代搜尋變分模態(tài)的最優(yōu)解，更新各模態(tài)分量，重構(gòu)原始信號。

然而，VMD在處理信號時需要預(yù)先設(shè)定好分量分解個數(shù)K，K值的不同對于分解效果會有較大影響。K值偏小，會使得信號分解不充分，造成信息缺失，為了解決此問題，現(xiàn)有技術(shù)通過各模態(tài)分量與原始信號的信息熵來確定分量分解個數(shù)K，但是并不能消除分量之間存在頻率混疊的問題。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于相關(guān)系數(shù)改進(jìn)變分模態(tài)分解的滾動軸承故障診斷方法。

本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

一種基于相關(guān)系數(shù)改進(jìn)變分模態(tài)分解的滾動軸承故障診斷方法，包括以下步驟：

1)獲取待診斷滾動軸承的振動信號；

2)設(shè)定分解個數(shù)K的初始值以及相關(guān)系數(shù)閾值；

3)根據(jù)設(shè)定的分解個數(shù)K對振動信號通過VMD算法進(jìn)行分解，并且計算在此分解個數(shù)K的條件下對應(yīng)的各模態(tài)分量之間的相關(guān)系數(shù)；

4)判斷各模態(tài)分量之間的相關(guān)系數(shù)是否超過相關(guān)系數(shù)閾值，若否，則將當(dāng)前分解個數(shù)K的值加1，并且返回步驟3)，若是，則將此時的K值減1作為最終的分解個數(shù)K的值。

優(yōu)選地，所述的步驟3)中，兩個模態(tài)分量之間的相關(guān)系數(shù)ρ_xy的計算式為：

其中，x(n)、y(n)為模態(tài)分量，x²(n)、y²(n)分別為模態(tài)分量的能量。

優(yōu)選地，所述的步驟2)中，分解個數(shù)K的初始值為2。

優(yōu)選地，所述的步驟4)中，選取各模態(tài)分量之間的所有相關(guān)系數(shù)中的最大值作為與相關(guān)系數(shù)閾值比較的值。

優(yōu)選地，所述的步驟2)中相關(guān)系數(shù)閾值為0.1。

優(yōu)選地，所述的步驟4)還包括以下步驟：

以最終的分解個數(shù)K的值為最優(yōu)值進(jìn)行分解，獲取分解后的模態(tài)分量對應(yīng)的包絡(luò)譜，獲取包絡(luò)譜中的突出的頻率成分，并以此作為檢測頻率與故障頻率比較后判斷該待診斷滾動軸承是否出現(xiàn)故障。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：