[發明專利]一種基于MED和倒頻譜的滾動軸承早期故障診斷方法

在審

• 申請號: 201810677922.4
• 申請日: 2018-06-27
• 公開（公告）號: CN108844740A
• 公開（公告）日: 2018-11-20
• 發明（設計）人: 孫偉;張先輝;熊天旸;李新民;金小強
• 申請（專利權）人: 中國直升機設計研究所
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 北京航信高科知識產權代理事務所(普通合伙) 11526
• 代理人: 何嬌

本發明涉及一種基于MED和倒頻譜的滾動軸承早期故障診斷方法，屬于機械故障診斷技術領域，其包括：步驟一：利用加速度傳感器對滾動軸承設備進行測量，獲得振動加速度信號；步驟二：對振動加速度信號進行MED降噪，得到降噪后的信號；步驟三：對MED降噪后的信號進行倒頻譜分析，結合實驗來提取故障特征。本發明通過采用MED方法對滾動軸承加速度信號進行預處理，在降噪的同時，增強信號的沖擊成分，可以使得倒頻譜上的故障頻率點幅值增大，故障更易識別。

技術領域

本發明屬于機械故障診斷技術領域，尤其涉及一種基于MED和倒頻譜的滾動軸承早期故障診斷方法。

背景技術

滾動軸承被廣泛應用于各種旋轉機械中，其缺陷和損傷將直接影響設備穩定運行。滾動軸承常見的故障有內圈故障、外圈故障和滾珠故障等，這些故障會形成周期性沖擊成分。轉速信號、隨機信號和故障信號疊加在一起會形成調制信號的周期成分。倒頻譜方法可以分離和提取難以識別的密集調制信號的周期成分，使原來譜圖上成簇的邊頻譜線簡化為倒頻譜上的單根譜線，從而使頻譜中的復雜周期成分變得更清晰易辨，以利于故障診斷。

故障若出現早期局部故障時，沖擊成分不明顯，且受到隨機噪聲的干擾，容易被掩蓋，導致故障不易識別。單一使用倒頻譜方法很難提取故障特征。Wiggins提出了最小熵解卷積方(minimum entropy deconvolution,簡稱MED)應用于盲解卷積問題處理中,MED最早被應用于地震信號處理，并迅速拓展到其他領域，該方法能夠在降噪的同時可將周期沖擊信號進行增強。

發明內容

本發明的目的是提供一種基于MED和倒頻譜的滾動軸承早期故障診斷方法，用于解決上述問題。

為達到上述目的，本發明采用的技術方案是：一種基于MED和倒頻譜的滾動軸承早期故障診斷方法，其包括

步驟一：利用加速度傳感器對滾動軸承設備進行測量，獲得振動加速度信號；

步驟二：對振動加速度信號進行MED降噪，得到降噪后的信號；

步驟三：對MED降噪后的信號進行倒頻譜分析，結合實驗來提取故障特征。

進一步的，在所述步驟二中，對加速度信號進行MED降噪的過程步驟如下：

2.1)y(i)表示軸承振動信號，MED的目的是得到一個逆濾波器f(i)，使得經過逆濾波器濾波后的y(i)能夠恢復x(i)的各項特征及相關信息，即使熵值最小；

式中，L為逆濾波器f(i)的長度；

2.2)解反褶積：利用逆濾波器f(i)使y(i)恢復原有信號含有的簡單特征和相關信息，使熵值最小，即：

2.3)最小熵反褶積的實質是求取逆濾波器f(i)的最優值，使最大，因此，使其一階導數為零：

聯合式(1)可得

式(4)也可表示為：b＝Af (5)

其中，A為振動信號y(i)的L×L自相關矩陣，b表示為：

其中：

2.4)式(5)經迭代可以得到逆濾波器矩陣為：f＝A^-1b。

進一步的，在所述步驟三中，對MED降噪后的信號進行倒頻譜分析，倒頻譜分析步驟如下：