[發明專利]用于檢測電機軸承故障的方法及裝置

在審

• 申請號: 201810993175.5
• 申請日: 2018-08-29
• 公開（公告）號: CN109100146A
• 公開（公告）日: 2018-12-28
• 發明（設計）人: 朱希安;王占剛;路照坭
• 申請（專利權）人: 北京信息科技大學
• 主分類號: G01M13/04
• 分類號: G01M13/04;G06F17/14
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 李李;王秀君

本公開提供用于檢測電機軸承故障的方法及裝置，所述方法包括：采集電機軸承的振動信號；使用變分模態分解法將采集的振動信號分解為多個模態信號分量；基于分解的多個模態信號分量來確定所述振動信號的樣本熵值；將所述振動信號的樣本熵值確定為所述電機軸承的故障特征，以確定所述電機軸承的故障類型。所述裝置包括：信號采集單元，采集電機軸承的振動信號；信號分解單元，使用變分模態分解法將采集的振動信號分解為多個模態信號分量；熵值確定單元，基于分解的多個模態信號分量來確定所述振動信號的樣本熵值；故障確定單元，將所述振動信號的樣本熵值確定為所述電機軸承的故障特征，以確定所述電機軸承的故障類型。

技術領域

本申請涉及故障診斷領域，具體涉及一種基于變分模態分解法(VMD)、樣本熵值以及多分類相關向量機實現的用于檢測電機軸承故障的方法及裝置。

背景技術

近年來，隨著現代機械設備的大型化、復雜化發展，設備的正常工作對于保證生產制造過程中的安全、高效等意義重大。電機作為主要驅動設備已成為機械設備或旋轉系統不可或缺的部件之一。滾動軸承是電機中最重要的組成部分，軸承故障約占電機故障的50％。軸承故障一旦發生可能導致整個生產線的停工，嚴重情況下甚至導致工作人員人身傷亡。因此，研究電機軸承故障診斷對于機械傳動設備的穩定運行具有重大意義。

現有技術中，軸承故障診斷一般分為以下三步：信號采集、故障特征提取、故障診斷。其中后兩步尤為關鍵。電機軸承故障發生時，機械傳動電機復雜的工作環境與工作機理，使得軸承故障的諧波信號一般表現為非平穩、非線性，從而導致故障特征難以準確提取，信噪比較低，進而影響電機軸承故障的狀態識別率。現有的各類故障診斷技術(諸如，經驗模態分解法(EMD))由于采用了包絡求取的方法，因而使得分解得到的信號分量不連續，經多次分解，包絡估計誤差被放大，分解的信號中存在嚴重的模態混疊現象，從而導致特征提取不夠充分。另外，由于在不同故障狀態下進行特征提取之后，現有的各類故障診斷技術通常采用諸如支持向量機(SVM)和相關向量機(RVM)之類的二值分類器來進行故障狀態的識別，所以現有的各類故障診斷技術對故障類型的識別比較單一，并且難以對輕微故障以及電機固有缺陷進行準確區分和識別。

因此，迫切需要一種能夠克服上述各種缺陷的用于檢測電機軸承故障的方法及裝置。

發明內容

本發明的目的在于提供用于檢測電機軸承故障的方法及裝置。

據本發明的一方面，提供一種用于檢測電機軸承故障的方法，所述方法包括：采集電機軸承的振動信號；使用變分模態分解法將采集的振動信號分解為多個模態信號分量；基于分解的多個模態信號分量來確定所述振動信號的樣本熵值；將所述振動信號的樣本熵值確定為所述電機軸承的故障特征，以確定所述電機軸承的故障類型。

優選地，所述電機軸承的故障類型包括以下項中的至少一種：軸承內圈故障、軸承外圈故障和軸承滾動體故障。

優選地，所述使用變分模態分解法將采集的振動信號分解為多個模態信號分量的步驟包括：對采集的振動信號進行希爾伯特解調，并引入拉格朗日乘法算子和二次懲罰因子作為變分約束條件，以獲得關于所述振動信號的各個模態信號分量的相應參數的初始解的集合；采用交替方向乘子法對所述初始解的集合進行迭代收斂計算，以獲得關于所述振動信號的各個模態信號分量的相應參數的最優解的集合。

優選地，所述確定所述電機軸承的故障類型的步驟包括：使用多分類相關向量機確定所述電機軸承的故障特征的類別；根據所述電機軸承的故障特征的類別來確定所述電機軸承的故障類型。

據本發明的另一方面，提供一種用于檢測電機軸承故障的裝置，所述裝置包括：信號采集單元，采集電機軸承的振動信號；信號分解單元，使用變分模態分解法將采集的振動信號分解為多個模態信號分量；熵值確定單元，基于分解的多個模態信號分量來確定所述振動信號的樣本熵值；故障確定單元，將所述振動信號的樣本熵值確定為所述電機軸承的故障特征，以確定所述電機軸承的故障類型。