[發(fā)明專利]一種基于信息熵和多尺度形態(tài)學(xué)的滾動(dòng)軸承早期故障診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810836972.2
• 申請(qǐng)日: 2018-07-26
• 公開(kāi)（公告）號(hào): CN108645620B
• 公開(kāi)（公告）日: 2020-07-03
• 發(fā)明（設(shè)計(jì)）人: 崔玲麗;王加龍;劉志峰;張超;李晉
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G01M13/045
• 分類號(hào): G01M13/045
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 沈波

本發(fā)明公開(kāi)了一種基于信息熵和多尺度形態(tài)學(xué)的滾動(dòng)軸承早期故障診斷方法，在多尺度形態(tài)濾波方法中，結(jié)構(gòu)元素的尺度對(duì)濾波效果尤其重要。由于傳統(tǒng)的形態(tài)濾波方法的結(jié)構(gòu)元素最優(yōu)尺度為單獨(dú)的一個(gè)尺度，導(dǎo)致提取的滾動(dòng)軸承故障特征信息不完善，使得故障特征表現(xiàn)不明顯。本發(fā)明沒(méi)有將結(jié)構(gòu)元素的最優(yōu)尺度固定為一個(gè)值，而是選取多個(gè)尺度的結(jié)構(gòu)元素對(duì)故障軸承振動(dòng)信號(hào)形態(tài)學(xué)分析。該方法融合了信息熵在表征信號(hào)方面的優(yōu)越性，用信息熵量化分析后的信號(hào)，通過(guò)迭代法得到信息熵的最佳閾值來(lái)優(yōu)化結(jié)構(gòu)元素尺度，然后根據(jù)硬閾值對(duì)信號(hào)進(jìn)行疊加，以保證有用信息的完整性，實(shí)現(xiàn)滾動(dòng)軸承故障診斷。

技術(shù)領(lǐng)域

本發(fā)明涉及一種滾動(dòng)軸承故障診斷方法，特別涉及一種基于信息熵和多尺度形態(tài)學(xué)的滾動(dòng)軸承故障診斷方法，屬于故障診斷技術(shù)領(lǐng)域。

背景技術(shù)

在旋轉(zhuǎn)機(jī)械中，滾動(dòng)軸承起到非常重要的作用。滾動(dòng)軸承一旦發(fā)生故障，會(huì)導(dǎo)致整個(gè)機(jī)器癱瘓，嚴(yán)重情況下會(huì)造成巨大的經(jīng)濟(jì)損失和人員傷亡，所以有必要對(duì)工作中的滾動(dòng)軸承進(jìn)行檢測(cè)和故障診斷。

滾動(dòng)軸承故障振動(dòng)信號(hào)往往是一種非常典型的非線性、非平穩(wěn)信號(hào)，在處理這類信號(hào)時(shí)，不能像平穩(wěn)信號(hào)那樣簡(jiǎn)單。數(shù)學(xué)形態(tài)學(xué)(Mathematical Morphology,MM)是一種非常有效的非線性信號(hào)處理工具。形態(tài)信號(hào)處理的主要思想是擇一個(gè)結(jié)構(gòu)元素(StructureElement,SE)的數(shù)據(jù)集對(duì)滾動(dòng)軸承故障振動(dòng)信號(hào)進(jìn)行形態(tài)學(xué)操作，最終消除振動(dòng)信號(hào)中的噪聲并提取有用信息。Zhang用MM方法處理一維信號(hào)并做出詳細(xì)分析，最終將MM方法應(yīng)用于故障診斷領(lǐng)域中。經(jīng)典MM方法是使用SE對(duì)振動(dòng)信號(hào)進(jìn)行單尺度分析，隨著研究的深入，多尺度形態(tài)濾波(Multiscale morphological filtering,MMF)方法被應(yīng)用到信號(hào)處理中。Hao應(yīng)用MMF方法處理滾動(dòng)軸承故障振動(dòng)信號(hào)，對(duì)信號(hào)進(jìn)行多尺度開(kāi)運(yùn)算形態(tài)分析得到形態(tài)譜，進(jìn)而實(shí)現(xiàn)滾動(dòng)軸承狀態(tài)檢測(cè)。雖然MMF方法很有效，但是如何挑選SE尺度將成為一個(gè)難題。

Raj等提出了基于帩度準(zhǔn)則來(lái)挑選結(jié)構(gòu)元素的最優(yōu)尺度的方法，該方法是在SE長(zhǎng)度在脈沖重復(fù)周期T范圍內(nèi)，以10％的脈沖重復(fù)周期為長(zhǎng)度間隔，得到十個(gè)SE長(zhǎng)度，用不同長(zhǎng)度的SE對(duì)故障振動(dòng)信號(hào)進(jìn)行去噪，將去噪的信號(hào)求取峭度，最大峭度所對(duì)應(yīng)的形態(tài)分析信號(hào)求解頻譜圖，進(jìn)而完成軸承故障診斷。但是在早期故障軸承振動(dòng)信號(hào)中，噪聲往往掩蓋振動(dòng)信號(hào)的沖擊特性，峭度指標(biāo)會(huì)失效，另外，將SE的最優(yōu)尺度固定為一個(gè)值時(shí)，往往會(huì)丟失故障特征信息，這勢(shì)必會(huì)對(duì)滾動(dòng)軸承故障診斷增加難度。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供了一種基于信息熵和多尺度形態(tài)學(xué)的滾動(dòng)軸承故障診斷方法，以解決多尺度形態(tài)學(xué)在軸承故障診斷中的上述技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為一種基于信息熵和多尺度形態(tài)學(xué)的滾動(dòng)軸承故障診斷方法，該方法包括采集故障軸承振動(dòng)信號(hào)、對(duì)故障軸承振動(dòng)信號(hào)進(jìn)行多尺度形態(tài)分析、形態(tài)分析后的振動(dòng)信號(hào)信息熵的求解、應(yīng)用迭代法求解信息熵的閾值、根據(jù)硬閾值對(duì)形態(tài)分析后的振動(dòng)信號(hào)進(jìn)行疊加、對(duì)疊加后的振動(dòng)信號(hào)求解頻譜圖，從而得到故障特征。

S1多尺度形態(tài)學(xué)；

腐蝕、膨脹、開(kāi)運(yùn)算和閉運(yùn)算是數(shù)學(xué)形態(tài)學(xué)最基本的運(yùn)算。

設(shè)一維信號(hào)f(n)為定義在F＝(0,1,...,N-1)范圍內(nèi)的離散函數(shù)，定義結(jié)構(gòu)元素g(n)為G＝(0,1,...,M-1)范圍內(nèi)的離散函數(shù)，且N≥M。其中，N和M分別為f(n)和g(n)的采樣點(diǎn)數(shù)，f(n)為一維信號(hào)f第n個(gè)采樣點(diǎn)的值，g(n)為一維信號(hào)g第n個(gè)采樣點(diǎn)的值。

f(n)關(guān)于g(n)的腐蝕和膨脹定義為：

fΘg(n)＝min[f(n+m)-g(m)]