[發明專利]一種不完備樣本條件下的滾動軸承故障診斷方法

在審

• 申請號: 202010891899.6
• 申請日: 2020-08-27
• 公開（公告）號: CN112016471A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 徐曉健;栗仲嶸;馬楓;孫杰;徐曉濱
• 申請（專利權）人: 杭州電子科技大學;南京智慧水運科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F30/27;G06N3/12;G06N5/04;G01M13/045;G06F111/06;G06F119/02
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

本發明公開了一種不完備樣本條件下的滾動軸承故障診斷方法。本發明首先通過加速度傳感器采集滾動軸承的振動加速度信號，將振動加速度進行頻域特征提取，并對所提取的頻域特征進行選擇，構建故障診斷模型的輸入特征向量；其次構造參考證據矩陣表及聯合參考證據矩陣表；根據聯合證據矩陣表確定不同參考證據間的相關性；然后對輸入樣本向量激活的多個參考證據組合進行融合，將融合結果采用證據推理規則進行進一步融合確定參數優化模型，最后基于最優參數集合對滾動軸承進行故障診斷。本發明方法充分考慮了證據之間的相關性，有效識別樣本故障特征，能夠很好地實現對樣本數據中存在缺失值情況下的滾動軸承典型故障模式的有效診斷。

技術領域

本發明涉及一種在不完備樣本條件下的滾動軸承故障診斷方法，屬于旋轉機械設備狀態監測與故障診斷技術領域。

背景技術

滾動軸承是減少摩擦損失的一種精密機械元器件，由于制造、安裝和運行環境的影響，在機電系統中易發生損壞，直接影響旋轉機械的工作狀態，進而影響整個機電系統的可靠性。據統計，在旋轉機械的故障中，約30％的機械故障均由滾動軸承損壞引起。因此，對滾動軸承故障診斷進行研究對保證機電設備的正常可靠運行具有重要意義。

目前，滾動軸承的故障診斷方法仍以傳統的頻域分析法和時域分析法為主。時頻域分析法的應用彌補了傳統方法只適用于平穩信號分析的缺陷，但是對樣本數據缺失的情況未加以考慮。然而在實際監測過程中，由于傳感器的局限性、人為或者技術等因素導致的故障特征數據缺失的現象時常發生，導致故障診斷樣本具有不完備性。基于不完備樣本建立滾動軸承故障診斷模型使得模型丟失了大量有用的數據信息，進一步增加了診斷信息的不確定性，降低了故障診斷的有效性。因此，研究不完備樣本下滾動軸承的故障診斷方法將有助于提高實際應用中診斷的準確性。

發明內容

本發明針對現有技術的不足，提出了一種在不完備樣本條件下的滾動軸承故障診斷方法。

本發明通過在電動機/軸承系統的風扇端、驅動端和基座端軸承座上方各放置一個加速度傳感器采集滾動軸承的振動加速度信號，將其采集到的振動加速度信號進行頻域特征提取，并采用主成分分析法對所提取的頻域特征進行選擇，構建故障診斷模型的輸入特征向量；根據專家經驗確定每一輸入特征的參考值集合，計算每一輸入特征對于其參考值的相似度分布；將數據缺失看作是故障特征自身所具有的一種自然特性，即可將缺失的故障特征轉化為一條參考證據；由此構造單個輸入參考值與故障類型間的參考證據矩陣表及多輸入參考值與故障類型間的聯合參考證據矩陣表；根據聯合證據矩陣表確定不同參考證據間的相關性，利用基本概率質量函數確定證據的可靠性及其初始重要性權重，并確定可靠性比率；利用極大似然證據推理規則對輸入樣本向量激活的多個參考證據組合進行融合，將融合結果采用證據推理規則進行進一步融合確定最終故障模式；構建滾動軸承故障診斷模型的參數優化模型，對診斷模型關鍵參數進行優化以提升診斷準確性，最后基于最優參數集合重復上述步驟對滾動軸承進行故障診斷。

本發明提出的不完備樣本條件下的滾動軸承故障診斷方法，包括以下各步驟：

(1)采集電動機/軸承系統的振動信號對滾動軸承進行故障診斷，將滾動軸承的故障分為F₁，F₂，…，F_N，這N種故障模式構成模型的辨識框架，記為Y，Y＝[F₁,…,F_N]。

(2)在電動機/軸承系統的驅動端、風扇端和基座端軸承座上方安裝加速度傳感器，在轉速為v的工況下采集軸承的振動加速度信號r₁(t)、r₂(t)和r₃(t)，t為采樣時刻，采樣頻率為f，將每個樣本的長度設置為60f/v個連續采樣點。