[發明專利]一種艇用離心泵滾動軸承故障診斷方法

在審

• 申請號: 201811470273.7
• 申請日: 2018-11-27
• 公開（公告）號: CN109540523A
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 周國敬;李鵬;周博;王超偉
• 申請（專利權）人: 中國艦船研究設計中心
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06K9/62
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 胡建平;汪瑋華

本發明涉及一種艇用離心泵滾動軸承故障診斷方法，包括質量效應優化、調諧效應優化和混抵效應優化，質量效應優化為將非擾動設備剛性安裝在浮筏隔振系統的中間筏架上；調諧效應優化為將非動力設備或不工作的備用動力設備采用彈性安裝方式固定在中間筏架上，做為筏架的動力吸振器；混抵效應優化為將兩個以上的同時運行的動力設備彈性安裝在中間筏架上；分別針對上述三個效應提出不同的設備成組、不同安裝形式方案，以安裝基座振動控制效果為目標，開展方案優選，形成總體最優應用隔振方案。本發明合理利用好浮筏質量、調諧及混抵效應，以最小的附加重量和空間代價實現最大的隔振效果。

技術領域

本發明屬于故障診斷的技術領域，特別涉及一種艇用離心泵滾動軸承故障診斷方法。

背景技術

離心泵作為常用的液壓泵，其在船舶、核電、水利機械中有著廣泛的應用，尤其是對水 下裝備，作為疏排水和供油的重要設備，一旦離心泵發生故障，可能會對整個設備產生嚴重 影響，甚至有帶來設備報廢的危險。滾動軸承作為離心泵的重要部件，其作用是支承離心泵 主軸旋轉，一旦滾動軸承發生故障，會造成主軸偏心、卡死等故障，從而引起離心泵的停機。 據統計，離心泵故障的30％以上往往是由于滾動軸承故障產生的，因此針對離心泵的滾動滾 動軸承進行診斷具有重要的意義。

由于軸承振動信號相對于電流、流量等緩變信號會表現出非線性非穩態的特點，并且振 動信號中包含大量的、復雜的、難以提取的信息，利用振動信號進行診斷也是故障診斷研究 中的難點，傳統的基于傅里葉變換的信號分析方法只能處理線性和平穩信號，而滾動軸承信 號的非平穩、非線性的特點，使得傅里葉變換存在一定的局限性。針對上述問題，專家學者 發明了多種時頻聯合分析方法，如短時傅里葉變換(Short-time FourierTransform,STFT)、 Wigner-Ville分布(Wigner-Ville Distribution,WVD)、小波變換(Wavelet Transform,WT)、 希爾伯特黃變換(Hilbert-Huang Transform,HHT)等，但是STFT的時頻窗口是固定不可調 的，WVD得到的時頻分布圖存在交叉項的干擾，WT母小波的選擇和分解層數等不具有自適應 性，并且需要提前獲取分析信號的先驗知識，HHT作為一種新的自適應的時頻分析方法，雖 然實現了信號的自適應分解，但分解過程中會產生擬合誤差、模態混疊和端點效應等，經驗 模態分解(Empirical Mode Decomposition,EMD)和局部均值分解(Local Mean Decomposition, LMD)也有計算量大、頻率混淆和平滑次數的選擇等問題。

發明內容

本發明的目的在于針對上述技術需求而提供一種艇用離心泵滾動軸承故障診斷方法，通 過局部特征尺度分解對降噪后的離心泵滾動軸承振動信號進行自適應分解得到若干個內稟尺 度分量，然后提取各內稟尺度分量的樣本熵作為監測振動信號的故障特征，最后通過構建多 棵決策樹來建立隨機森林分類器對不同的離心泵滾動軸承故障進行診斷，從而獲得診斷結果。

為了實現上述目的，本發明采用如下技術方案：一種艇用離心泵滾動軸承故障診斷方法， 其特征在于：首先采用小波降噪的方法對振動信號進行降噪處理，然后采用局部特征尺度分 解對降噪后的振動信號進行時頻分析，獲取各故障模式信號的內稟尺度分量，之后提取各內 稟尺度分量的樣本熵作為振動信號的故障特征，在故障診斷時，利用提取的各故障模式內稟 尺度分量的樣本熵對隨機森林進行訓練，并利用Bagging的方式隨機抽取訓練樣本對決策樹 進行訓練，建立多棵決策樹，然后利用訓練好的隨機森林對測試數據進行診斷測試，從而獲 得故障診斷結果。

按上述方案，所述小波降噪具體包括如下步驟：

S1)信號分解：選定小波函數和分解層數j，對信號進行j層小波分解；

S2)小波細節系數去噪：對于每一層小波，設定一個閥值，對細節系數進行閥值處理；

S3)信號重構：基于第j層的原始概貌系數和第1層到第j層修正的細節系數，進行信 號的重構。