[發明專利]一種回轉支承故障診斷方法、裝置及存儲介質

在審

• 申請號: 202110130106.3
• 申請日: 2021-01-29
• 公開（公告）號: CN112945557A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 張沖;曾耀傳;鄭強;吳曉梅;許競;顏朝友;黃美強;鐘建華;林云樹
• 申請（專利權）人: 福建省特種設備檢驗研究院
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06F17/15
• 代理公司: 廈門原創專利事務所(普通合伙) 35101
• 代理人: 劉劍鋒

本發明公開了一種回轉支承故障診斷方法、裝置及存儲介質，方法包括：S1、獲取回轉支承的振動信號，將其設為原始信號；S2、通過EEMD法對原始信號進行處理，然后經分解獲得振動信號的本征模態分量IMF，繼而對IMF進行擇優處理，得到最優分量；S3、利用GWO算法以相關峭度為適應度函數在最優分量上進行MCKD參數尋優處理，獲得最佳參數組合；S4、將GWO算法尋優處理獲得的最佳參數組合代入到MCKD中對最優分量進行分析，得到降噪信號；S5、對降噪信號進行包絡譜分析，進而將包絡譜中發現的故障特征頻率與理論故障特征頻率進行對比分析，得出診斷結果，本方案實施可靠、準確度高、響應快速。

技術領域

本發明涉及軸承檢測技術領域，尤其涉及一種回轉支承故障診斷方法、裝置及存儲介質。

背景技術

回轉支承是一種特殊的大型滾動軸承，廣泛應用于各種大型機械，例如港口的門座起重機。門座起重機回轉支承在工作狀態時各部分的受力不均以及運動狀態復雜，并且由于低速重載的運行特點和大量的背景噪聲，使得原本因故障產生的沖擊淹沒在背景噪聲里，因此故障特征的提取比一般中高速軸承難。然而，在門座起重機的長期使用中，回轉支承的故障產生是難免的。如果這些故障不能及時發現并作出應對措施，將會影響門座起重機的正常運轉，同時導致巨大的經濟損失。

目前，少部分的研究人員在回轉支承故障診斷展開研究并取得初步成果。呂學昭等人采用小波分解和極值域均值模態分解的復合方法對門座起重機回轉支承進行故障診斷。然而小波分解中小波基與分解層數無法自適應選取。南京工業大學針對回轉支承故障診斷做了較多的研究，將圓域分析、小波能量模式、雙譜分析、峭度概率密度分析、加權融合算法、概率主成分分析等方法應用于實驗臺回轉支承的振動信號的降噪和特征提取，同時還將支持向量機、BP神經網絡等機器學習方法應用于實驗臺回轉支承的故障診斷和壽命預測。但因其數據來自于實驗臺，且故障是人為加工所形成的，與現場實際的故障還是有一定的區別。因此，就如何對實際使用過程中進行支承振動信號采集和后處理獲得故障診斷結果的研究依然還需要進一步深入。

發明內容

有鑒于此，本發明的目的在于提出一種實施可靠、準確度高、響應快速的回轉支承故障診斷方法、裝置及存儲介質。

為了實現上述的技術目的，本發明所采用的技術方案為：

一種回轉支承故障診斷方法，包括：

S1、獲取回轉支承的振動信號，將其設為原始信號；

S2、通過EEMD法(Ensemble Empirical Mode Decomposition，集合經驗模態分解)對原始信號進行處理，然后經分解獲得振動信號的本征模態分量IMF，繼而對本征模態分量IMF進行擇優處理，得到最優分量；

S3、利用GWO算法以相關峭度為適應度函數在最優分量上進行MCKD參數尋優處理，獲得最佳參數組合，該最佳參數組合為MCKD算法輸入參數，周期T，濾波器長度L；

S4、將GWO算法尋優處理獲得的最佳參數組合代入到最大相關峭度解卷積算法MCKD中對最優分量進行分析，得到降噪信號；

S5、對降噪信號進行包絡譜分析，將包絡譜中發現的故障特征頻率與理論故障特征頻率進行對比分析，得出診斷結果。

作為一種可能的實施方式，進一步，所述通過EEMD法對原始信號進行處理和分解的方法為：

按照預設標準差和預設次數往原始信號中多次加入等幅值的高斯白噪聲并進行EMD分解，然后對多次EMD分解后的IMF分量進行平均，消除多次加入的高斯白噪聲。

作為一種較優的實施選擇，優選的，所述通過EEMD法對原始信號進行處理和分解的具體方法包括如下步驟：

S21、設定加入高斯白噪聲的次數和高斯白噪聲的幅值；