[發(fā)明專利]一種基于多域特征提取和相關(guān)補償距離的滾動軸承性能評估方法

在審

• 申請?zhí)枺?/td>: 202010835575.0
• 申請日: 2020-08-19
• 公開（公告）號: CN112084885A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計）人: 王曉東;羅亭;吳建德;馬軍;李卓睿;李祥
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06Q10/06;G06F17/10;G01M13/045
• 代理公司: 昆明明潤知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 53215
• 代理人: 王鵬飛

本發(fā)明涉及一種基于多域特征提取和相關(guān)補償距離的滾動軸承性能評估方法，屬于軸承故障診斷方法技術(shù)領(lǐng)域。對采集到的振動信號數(shù)據(jù)進行時域、頻域及時頻域特征提取并形成多域特征矩陣；將提取到的特征矩陣進行拉普拉斯分值算法數(shù)據(jù)降維，篩選出含有故障信息最多的特征；再計算故障信號與正常信號之間的相關(guān)距離，同時計算故障信號之間的補償距離，相關(guān)距離與補償距離之和為相關(guān)補償距離；由相關(guān)補償距離大小即可判斷到滾動軸承的性能退化情況。本發(fā)明提出的性能退化評估方法得到的評估指標(biāo)能實時監(jiān)測滾動軸承的性能退化趨勢，并且可以及時發(fā)現(xiàn)早期故障。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于多域特征提取和相關(guān)補償距離的滾動軸承性能評估方法，屬于軸承故障診斷方法技術(shù)領(lǐng)域。

背景技術(shù)

滾動軸承是機械工業(yè)廣泛應(yīng)用的、要求嚴(yán)格的配套件和基礎(chǔ)件。如今，滾動軸承的應(yīng)用已經(jīng)擴大到了原子能、電子計算機、航天及機器人等領(lǐng)域。若不能及時地檢測機械裝備中滾動軸承的健康狀態(tài)或損傷情況，不僅可能帶來嚴(yán)重事故，還可能造成重大的經(jīng)濟損失。所以對滾動軸承的性能退化程度的研究是很有必要的。近年來，在滾動軸承的退化趨勢評估和預(yù)測領(lǐng)域涌現(xiàn)出了許多基于數(shù)據(jù)驅(qū)動的方法。從傳感器所收集的特征信號能反映軸承的退化信息，在基于滾動軸承的性能退化評估方法中，一般都是直接用振動信號的單域特征作為評估指標(biāo)。或者更多考慮了部分時頻域特征或熵特征，而很少綜合利用混合域的特征量來表征滾動軸承的退化狀態(tài)。并且在計算不同故障軸承和正常狀態(tài)的相關(guān)距離時，很少考慮在傳感器采集信號時所缺失的信號。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種基于多域特征提取和相關(guān)補償距離的滾動軸承性能評估方法，綜合了時域、頻域及時頻域的評估指標(biāo)，并在計算相關(guān)距離的同時計算故障樣本間的補償距離，有效的評估了滾動軸承的性能狀態(tài)，解決了上述問題。

本發(fā)明的技術(shù)方案是：一種基于多域特征提取和相關(guān)補償距離的滾動軸承性能評估方法，其特征在于：

Step1：對采集到的樣本信號進行時域，頻域及時頻域的特征提取并形成多域特征矩陣；其中時域特征包括俏度、均值、方差、均方差、均方根值及偏度，頻域特征包括均方頻率、均方根頻率及重心頻率，時頻域特征包括信息熵、能量熵及奇異值熵。

Step2：對提取的特征矩陣運用拉普拉斯分值(Laplacian Score，LS)算法進行數(shù)據(jù)降維，提取包含故障信息最多的敏感特征。

Step3：考慮了特征對各類敏感性表現(xiàn)的波動性，提出了用補償因子表征各特征在算法中穩(wěn)定性的方法。不同的特征，對各類敏感性表現(xiàn)的變異特性強烈，其補償因子就小，反之，補償因子就大。將最終包含故障信息最多的敏感特征樣本中的故障信號與正常信號進行相關(guān)距離計算，并計算故障信號的補償距離，則相關(guān)距離和補償距離之和為相關(guān)補償距離；

Step4：通過相關(guān)補償距離大小對信號是否故障進行判斷，即可判斷滾動軸承的性能退化情況。

所述Step1中時頻域特征提取具體為：將原始待測信號進行EMD分解得到多個IMF分量，將IMF分量與原始信號進行相關(guān)系數(shù)計算，并設(shè)定適當(dāng)閾值，將相關(guān)系數(shù)小于設(shè)定閾值的IMF分量去除，同時求解剩余IMF分量的能量值及奇異值，并標(biāo)準(zhǔn)化，再計算能量熵及奇異值熵。

對信號的EMD分解的具體步驟如下：

Step1.1：將待分解時域信號作為序列x(t)，提取其所有極值點(包括極大值和極小值點)，分別用三次樣條曲線連接極大值點和極小值點，形成上包絡(luò)線和下包絡(luò)線，且其應(yīng)包含所有均值m₁，得到信號差值序列h₁＝x(t)-m₁；

Step1.2：檢查h₁是否滿足本征模態(tài)函數(shù)的兩個條件：

(1)信號的極值點(極大值或極小值)數(shù)目和過零點數(shù)目相等或最多相差一個；