[發明專利]一種基于分數階散布熵的滾動軸承早期故障檢測方法有效

申請號：	201911347953.4	申請日：	2019-12-24
公開（公告）號：	CN110864902B	公開（公告）日：	2021-03-23
發明（設計）人：	朱遠和;鄭近德;劉慶運;丁克勤;潘紫微;潘海洋	申請（專利權）人：	安徽工業大學
主分類號：	G01M13/045	分類號：	G01M13/045;G06F17/18;G06K9/62
代理公司：	安徽知問律師事務所 34134	代理人：	杜袁成
地址：	243002 ***	國省代碼：	安徽;34
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于分數散布滾動軸承早期故障檢測方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開一種基于分數階散步熵的滾動軸承早期故障檢測方法，屬于機械故障診斷與監測領域。該方法具體步驟如下：歸一化時間序列；將歸一化后的時間序列映射成1到c類；將映射序列進行相空間重構；找出所有可能的散布模式；計算每一種實際存在的散步模式概率；根據香農熵定義得出分數階散布熵，由分數階散布熵值變化判斷滾動軸承是否發生早期故障。本發明公開的方法通過分數階散布熵來量化軸承時間序列復雜性，不僅可以較早的發現滾動軸承早期故障，而且可以有效監測滾動軸承狀態。

技術領域：

本發明涉及機械故障診斷與監測技術領域，更具體地說是涉及一種基于分數階散布熵的滾動軸承早期故障檢測方法。

背景技術：

滾動軸承作為最常見的機械零件之一，在眾多工業應用和機械設備中都起著重要作用。快速準確地診斷出滾動軸承早期故障，能夠有效地降低維修成本，提高設備運行可靠性，避免重大機械事故的發生。滾動軸承一旦發生故障，由于各個部件相互作用和耦合效應，振動時間序列通常表現出非線性特性，許多非線性信號分析方法被廣泛應用于滾動軸承故障特征的表征和提取。近年來，李亞普諾夫指數、關聯維數、符號時間序列分析，近似熵和樣本熵等方法用于機械設備狀態監測與診斷。

熵的概念表示時間序列的不規則性或不確定性程度，熵值越高，表明不規則性越強，熵值越小，表明不規則性或不確定性越小。近年來，樣本熵和排列熵已經被廣泛地應用于旋轉機械的故障診斷和狀態監測中。但是，樣本熵在較大尺度處易存在未定義的熵值，因為當數據長度小于10^m時(其中m表示嵌入維數)，在重構的m和(m+1)維相空間中存在很少的相似模式，樣本熵可能產生不確定的熵值。而當時間序列過長時，樣本熵計算往往比較耗時。排列熵具有計算簡單、快速等優點，但是，排列熵只考慮相鄰幅度值間的大小順序，關于幅值的信息可能會被丟棄。此外，在排列熵中沒有考慮每個嵌入向量中等幅值的影響。

發明內容：

本發明的目的在于提供一種基于分數階散布熵的滾動軸承早期故障檢測方法。該方法能夠有效的判斷滾動軸承早期故障的發生，不同于樣本熵，分數階散布熵不僅不會導致不確定的值，而且計算速度更快，另外，分數階散布熵不存在排列熵中的幅值相等問題。

本發明提供一種基于分數階散布熵的滾動軸承早期故障檢測方法，該方法包括如下步驟：

(1)歸一化時間序列；

(2)將歸一化后的時間序列映射成1到c類的映射時間序列，c代表映射后的類別數；

(3)將所述映射時間序列進行相空間重構；

(4)找出所有可能的散布模式；

(5)計算每一種實際存在的散布模式概率；

(6)根據香農熵定義得出分數階散布熵，由分數階散布熵值變化判斷滾動軸承是否發生早期故障。

所述步驟(1)具體如下：

使用正態累積分布函數作為非線性歸一化函數，將時間序列x＝{x₁,x₂,...,x_N}歸一化為y＝{y₁,y₂,...y_N}，即：

其中N表示數據點長度，σ和μ分別為時間序列x的標準差和平均值，y_i從0變化到1。