[發明專利]基于奇異值分解和自編碼器的軸承故障特征提取方法

有效

• 申請號: 201910785622.2
• 申請日: 2019-08-23
• 公開（公告）號: CN110646203B
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 李玉清;李勇志;關澤彪;洪鑫
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 萬文廣

本發明提供一種基于奇異值分解和自編碼器的軸承故障特征提取方法，首先采用S變換獲得軸承振動信號x(t)的時頻信息矩陣S(τ,f)；對時頻信息矩陣S(τ,f)進行奇異值分解，得到奇異值；使用自編碼器對獲得的奇異值進行特征提取，得到軸承振動的特征；本發明的有益效果：將深度學習運用于軸承故障特征提取，能夠有效提取故障時頻特征。

技術領域

本發明涉及滾動軸承故障特征提取技術領域，特別涉及一種基于奇異值分解和自編碼器的軸承故障特征提取方法。

背景技術

滾動軸承是利用軸與軸座之間的滾動摩擦替代原來面與面之間的滑動摩擦、而減少摩擦損失的一種的機械元件。滾動軸承一般由內圈、外圈、滾動體和保持架四部分組成，具有效率高、摩擦阻力小、裝配方便、潤滑容易等優點，在旋轉機械中得到廣泛的應用。

滾動軸承作為機械設備的主要傳動部件，通常在運行一段時間后，由于工作環境惡劣、軸承過載以及部件磨損等原因，會或多或少出現故障情況，如果滾動軸承出現故障沒有及時發現并整修，會使得滾動軸承故障加劇，甚者導致機械設備徹底損壞。通過定期對滾動軸承進行檢測和故障診斷并依據診斷結果進行保養維護，能夠有效提高滾動軸承的穩定性和使用年限，有利于提高生產效率、免事故的發生。因此，對滾動軸承運轉狀態的檢測和故障診斷具有重要的意義。

當滾動軸承某一部件(外圈、內圈、滾動體和保持架)的表面出現局部損傷(點蝕、剝落、裂紋等)時，其損傷表面在與其他表面接觸時產生的瞬態沖擊力，能夠激起包括軸承元件、傳感器和相關結構的固有頻率，產生具有共振調制特征的沖擊響應信號。受惡劣的工作環境以及信號傳遞路徑的影響，實際采集到的軸承振動信號十分復雜，含有大量噪聲信號，由于各種不同來源的信號相互耦合，在總體振動信號中很難發現表征故障特征的微弱信號。因此，從總體振動信號中準確提取表征軸承故障的沖擊響應信號是滾動軸承診斷的關鍵任務之一。

目前，滾動軸承故障診斷常用的方法有三類：時域分析方法(如參數法、沖擊脈沖等)；頻域分析方法(如共振解調法、倒頻譜等)；以及以小波變換為代表的時頻分析方法等。然而，考慮到實際運行轉速的波動和滾動體的滑動因素，軸承故障產生的瞬態沖擊響應具有非平穩特性，這些方法的診斷能力會經常受到影響，因此學者們對一些新的信號處理方法進行了大量研究。近年來，深度學習在信號特征提取上取得了較大成就。許多學者應用自編碼器直接提取軸承的時域信號，但是這種方法忽略了頻域信號。如何有效地從軸承振動信號中，提取出時頻域特征值得研究。

發明內容

為了解決上述問題，本發明提供了一種基于奇異值分解和自編碼器的軸承故障特征提取方法。一這種于奇異值分解和自編碼器的軸承故障特征提取方法要包括以下步驟：

S101：采用S變換獲得軸承振動信號x(t)的時頻信息矩陣S(τ,f)；

S102：對S101中的時頻信息矩陣S(τ,f)進行奇異值分解，得到奇異值；

S103：使用自編碼器對獲得的奇異值進行特征提取，得到軸承振動的特征。

進一步地，在步驟S101中，所述時頻信息矩陣S(τ,f)的計算式如公式(1)所示：

進一步地，在步驟S102中，所述奇異值的計算公式如式(2)所示：

S(τ,f)＝UΓV^T (2)

其中，S(τ,f)大小為M×N，U和V的大小分別為M×M，N×N的正交矩陣；Γ的大小的M×N，其形式如下Λ_r×r＝diag(σ₁,σ₂,...σ_r)，σ_i稱為時頻信息矩陣S(τ,f)的奇異值。

進一步地，在步驟S103中，使用自編碼器對獲得的奇異值進行特征提取，其具體步驟如下：