[發明專利]一種基于層次排列熵的軸承故障特征提取方法

在審

• 申請號: 201810130141.3
• 申請日: 2018-02-08
• 公開（公告）號: CN108364021A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 李永波;黃怡;馬存寶
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01M13/04
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 華金

本發明涉及一種基于層次排列熵的軸承故障特征提取方法，將層次分析法和排列熵概念相結合，提出層次排列熵，在捕捉時間序列低頻成分的同時還能分析高頻部分的故障信息，有效避免了多尺度排列熵的缺陷。

技術領域

本發明涉及數字信號處理領域，具體涉及一種基于層次排列熵的軸承故障特征提取方法。

背景技術

在旋轉機械中,滾動軸承是最常用且最重要的組件之一。在實際工程中,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。其中，由于振動信號具有便于采集和分析的優點，使得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。因而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。基于熵值理論的分析方法可以不經過信號的分解或變換，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)。軸承的振動信號屬于長信號，樣本熵在對長信號的分析上計算效率較低。基于此，我們選取PE用于軸承信號的故障診斷。基于PE，開發了多尺度置換熵(Modified Permutation Entropy，MPE)以增強PE 的物理意義和統計意義。但是，MPE中使用的粗粒度過程基本上表示線性平滑。這只能利用平均過程捕捉低頻成分，忽略隱藏在高頻成分中的故障信息。因此，我們需要尋找和研究能表征出所有頻段中故障信息的非線性動力學指標。

江英提出層次熵的概念，用于度量時間序列在不同節點處的復雜性，并將其成功應用到生物學信號分析中。綜合層次熵中的層次分析概念和排列熵的優勢，本文提出層次置換熵(hierarchical permutation entropy，HPE)方法來提取故障特征。HPE考慮通過移動平均過程和移動差異過程分析出嵌入在較低頻率和較高頻率成分中的故障信息。

發明內容

本發明解決的技術問題是：本發明的目的在于克服現有技術的不足，并解決現有技術檢測故障特征準確度低的問題，提出了層次排列熵(hierarchical permutationentropy， HPE)方法來提取故障特征。

本發明的技術方案是：一種基于層次排列熵的軸承故障特征提取方法，其特征在于，包括以下步驟：

步驟一：軸承的振動加速度信號對應為一個長度為N的原始時間序列

{X_i}＝{x₁,x₂,…,x_N}，將原始時間序列進行層次分析，包括以下子步驟：

子步驟一：定義平局數算子Q₀和Q₁如下：

上式中，N＝2ⁿ，n是正整數，Q₀和Q₁的長度為2^n-1；

綜合兩個平局數算子Q₀和Q₁，當j＝0或1時，定義矩陣Q_j算子如下：

子步驟二：構造一個向量[γ₁,γ₂,…,γ_k]，k表示為層次分析中要分解到的層數，該向量能夠用正整數表示，公式中k為人為設定值，得出具體的向量值，γ取值為0或1；

子步驟三：定義原始時間序列X(i)每一層分解的節點分量如下：