[發明專利]一種基于自適應終止準則OMP的滾動軸承故障診斷方法

在審

• 申請號: 202011609498.3
• 申請日: 2020-12-30
• 公開（公告）號: CN112613573A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 鄭峰;李永健;宋浩;高秋明;陳洪明
• 申請（專利權）人: 五邑大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G01M13/045
• 代理公司: 廣州市紅荔專利代理有限公司 44214
• 代理人: 李彥孚

本發明揭示了一種基于自適應終止準則OMP的滾動軸承故障診斷方法，包括：結合所診斷軸承的幾何參數與轉速，計算出所診斷軸承的理論故障特征頻率；分析故障信號的頻譜，觀察軸承高頻固有振動頻率的大致區間；設定初始字典的Laplace小波參數集；通過相關濾波法來獲取與故障信號中故障沖擊成分最匹配的小波頻率和阻尼，并構造出所需要的完備字典；采用自適應終止準則OMP算法來分解故障信號，尋求到最優的算法迭代次數，重構出信號中的故障沖擊成分；分析重構信號的包絡譜，提取其頻譜中的故障特征頻率，完成故障模式診斷。本發明能夠更精確的從故障信號中重構出故障沖擊成分，提取出故障特征頻率，實現對滾動軸承的故障診斷。

技術領域

本發明涉及機械設備故障診斷技術領域，尤其是一種基于自適應終止準則OMP的滾動軸承故障診斷方法。

背景技術

滾動軸承作為旋轉機械設備中的關鍵零件，其往往在高溫、高轉速、重載荷的惡劣環境中工作，因而極易發生故障。滾動軸承一旦發生故障，輕則導致設備停機維護，重則引發重大災難事故。因此，對機械設備中滾動軸承的狀態監測與故障診斷具有重大的工程價值。軸承振動信號能及時反映出故障軸承的動態特征，對軸承故障十分敏感，因此在軸承故障診斷中得到了廣泛使用。當恒定轉速下的滾動軸承發生故障時，軸承表面的局部缺陷與內部元件的周期性沖擊會觸發軸承系統的高頻固有振動，可通過傳感器采集這種高頻振動信號來獲取軸承的故障特征。當噪聲水平較低時，直接對采集到的振動信號解調即可提取出故障特征頻率，完成故障類型的檢測。但是，通常傳感器采集的振動信號往往包含了大量的干擾噪聲，在這種情況下，包含故障特征信息的軸承固有高頻振動成分會被噪聲所遮蓋，故障特征頻率很難直接通過簡單的頻譜分析來捕獲，這大大增加了故障診斷的難度。為解決這一問題，國內外學者紛紛提出了很多故障特征提取算法，如經驗模態分解,小波變換，譜峭度等，都取得了非常不錯的應用效果。但這些方法在處理復雜信號時都存在相應的缺陷，在實際應用中往往有所局限。

在過去的二十年里，稀疏表示理論在圖像處理，壓縮感知，語音識別等領域得到了廣泛應用，取得了豐碩的成果。不同于這些傳統方法，稀疏表示從一個設計好的字典中選取一組分別具有不同權重的原子線性疊加以表示原信號，能捕獲到復雜信號中的特征信息，是分析非平穩信號的有力工具。鑒于稀疏表示強大的特征提取能力，近幾年不少學者把稀疏表示引入到滾動軸承的故障診斷中。稀疏表示主要有兩個關鍵點：字典構造和稀疏系數求解。為了尋求最優解，很多近似算法被開發出來。其中最著名的要屬匹配追蹤(Matchingpursuit,MP)和基追蹤(Basis Pursuit,BP)。相比于BP,MP更加簡單高效，因而被廣泛用于軸承故障特征提取中。但是，在對MP算法的應用與研究中發現，MP算法卻十分依賴迭代終止準則的設定，不精確的終止準則會導致信號中沖擊成分分解不完全以及干擾噪聲的分解，進而影響重構結果。

發明內容

針對現有技術的不足，本發明提供一種基于自適應終止準則OMP的滾動軸承故障診斷方法，。該方法首先將Laplace小波作為字典基原子，通過相關濾波法來尋求最優的小波參數，繼而構造出完備字典；然后再將包絡譜峭度引入到MP算法中，提出一種自適應終止準則OMP算法來分解故障信號，從而重構出信號中的故障沖擊成分；最后，通過分析重構信號的包絡譜，來提取軸承故障特征頻率，完成故障診斷。

本發明的技術方案為：一種基于自適應終止準則OMP的滾動軸承故障診斷方法，包括以下步驟：

S1)、結合所診斷軸承的幾何參數與轉速，計算出所診斷軸承的理論故障特征頻率；

S2)、分析故障信號的頻譜，觀察軸承高頻固有振動頻率的大致區間；

S3、設定初始字典的Laplace小波參數集；

S4)、通過相關濾波法來獲取與故障信號中故障沖擊成分最匹配的小波頻率和阻尼，并構造出所需要的完備字典；

S5)、采用自適應終止準則OMP算法來分解故障信號，尋求到最優的算法迭代次數，重構出信號中的故障沖擊成分；