[發明專利]一種基于卷積極大極小凹罰算法的旋轉機械故障診斷方法

有效

• 申請號: 202011060559.5
• 申請日: 2020-09-30
• 公開（公告）號: CN112284727B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 林慧斌;鄧立發
• 申請（專利權）人: 華南理工大學
• 主分類號: G01M13/028
• 分類號: G01M13/028;G01M13/021;G01M13/045;G01M99/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開一種基于卷積極大極小凹罰算法的旋轉機械故障診斷方法，包括步驟：步驟S1、采集旋轉機械振動加速度響應信號及轉速信號，并記錄可能存在的故障特征信息；步驟S2、從采集到的數據中截取一段振動信號，以移不變K?SVD方法從中獲取模式；步驟S3、以獲取到的模式作為輸入，通過卷積極大極小凹罰算法求解稀疏系數，將稀疏系數與模式卷積，得到重構故障特征；步驟S4、分析提取的故障特征信號的時域特征與解調譜特征，確定故障類型，完成故障診斷。本發明提出以卷積極大極小凹罰作為罰函數，不僅改善了現有方法存在的幅值低估問題，而且將算法求解過程從時域轉換到頻域中進行，極大提高了運算效率。

技術領域

本發明屬于旋轉機械故障診斷領域，更具體地，涉及一種基于卷積極大極小凹罰算法的旋轉機械故障診斷方法。

背景技術

旋轉機械服役在復雜多變的環境中，若出現故障將導致嚴重的后果，因此對旋轉機械進行狀態監測就顯得至關重要。旋轉機械的振動響應信號中包含大量的噪聲，如何從含噪振動信號中準確而快速地提取出故障特征是機械故障診斷中的一個難題。

譜峭度(Kurtogram)、經驗模態分解(Empirical Mode Decomposition,EMD)及卷積稀疏表示(Convolutional Sparse Coding,CSC)等信號處理方法被應用于機械故障診斷中，但仍然方法存在著不足。如譜峭度方法可能導致共振帶被錯誤分割，降低共振帶內故障特征的信噪比(丁康,黃志東,林慧斌.一種譜峭度和Morlet小波的滾動軸承微弱故障診斷方法[J].振動工程學報,2014,27(01):128-135.)。經驗模態分解方法易造成模態混疊，進而影響特征提取的精度(胡愛軍,孫敬敬,向玲.經驗模態分解中的模態混疊問題[J].振動.測試與診斷,2011,31(04):429-434+532-533.)。旋轉機械局部型故障響應信號表現出卷積特性，可表示為一沖擊模式與稀疏系數的卷積，現有的卷積稀疏表示方法能有效地提取出沖擊特征(施瑩,莊哲,林建輝.基于卷積稀疏表示及等距映射的軸承故障診斷[J].振動.測試與診斷,2019,39(05):1081-1088+1138.)，但此類方法普遍采用l₁正則項作為目標函數的正則項，會系統性地低估沖擊特征的幅值，造成無法恢復的誤差。

發明內容

本發明的目的是針對現有卷積稀疏表示方法會低估沖擊特征幅值的缺陷，提供一種基于卷積極大極小凹罰算法的旋轉機械局部型故障診斷方法。該方法以卷積極大極小凹罰作為罰函數，改善了幅值低估問題，此外還將稀疏系數求解過程從時域轉換到頻域進行，極大提高了運算效率，能準確而高效地提取出故障特征。

本發明至少通過如下技術方案之一實現。

一種基于卷積極大極小凹罰算法的旋轉機械故障診斷方法，包括以下步驟：

步驟S1、采集旋轉機械振動加速度響應信號及轉速信號，并記錄可能存在的故障特征信息；

步驟S2、從采集到的數據中截取一段振動信號，以移不變K-SVD方法從中獲取模式，模式為一波形呈現沖擊衰減特性的向量；

步驟S3、以獲取到的模式作為輸入，通過卷積極大極小凹罰算法求解稀疏系數，將稀疏系數與模式卷積，得到重構故障特征；

步驟S4、分析提取的故障特征信號的時域特征與解調譜特征，確定故障類型，完成故障診斷。

優選的，所述步驟S1中具體包括：

S11、將三向加速度傳感器安裝于設備旋轉軸承座處，并連接好數據采集儀與便攜式計算機；

S12、設置數據采集儀的采樣頻率為f_s，采集并保存對應的振動加速度時域信號，以光電脈沖編碼器采集輸出軸的轉速信號，根據設備結構分析并記錄可能出現的齒輪以及軸承的故障類型，記錄由運行工況決定的故障特征頻率。

優選的，所述步驟S2具體包括：