[發明專利]一種基于多尺度頻譜感知技術的軸承故障檢測方法

有效

• 申請號: 202110496469.9
• 申請日: 2021-05-07
• 公開（公告）號: CN113295415B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 閆東;蔡衡芳;諶龍;羅清剛
• 申請（專利權）人: 湖北精瑞通流體控制技術有限公司
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 李丹

本發明公開了一種基于多尺度頻譜感知技術的軸承故障檢測方法，包括以下步驟：1)通過傳感器采集軸承的振動加速度信號和聲信號；2)信號預處理；3)對故障振動信號和聲信號樣本庫也進行同樣的處理，得到相應的特征向量組{K_F}和{K_G}；4)分別將振動信號特征向量F和聲信號特征向量G與對應的特征向量組進行相關運算，得到相關系數r，當r大于閾值時，則認為符合故障特征，判斷故障；5)綜合分析；根據步驟4)，分別計算聲信號和振動信號的特征向量及其相關系數，然后進行綜合分析以判定故障類別。本發明綜合利用振動信號和聲信號的故障特征，有利于發現早期故障，提高檢測效率并減少誤判。

技術領域

本發明涉及軸承故障檢測技術，尤其涉及一種基于多尺度頻譜感知技術的軸承故障檢測方法。

背景技術

滾動軸承作為旋轉機械設備的關鍵部件，其可靠性至關重要，一旦發生故障就會破壞設備的穩定運轉狀態，嚴重時甚至會危及人身安全。在理想條件下，滾動軸承壽命較長，但由于安裝誤差、潤滑不良和負載過大等因素，只有約十分之一的軸承能達到預期使用壽命。由于軸承的故障嚴重程度是以指數形式發展，越到后期進展越快，因此發現并處理早期故障對于設備的安全運行顯得尤為重要。

現階段通常采用神經網絡的方式對軸承進行故障檢測，一般首先采集軸承的加速度振動信號，然后通過各種方法進行時域和頻域特征分析，提取相應的特征，并通過神經網絡等分類器進行故障檢測。由于各種干擾的影響，檢測準確性一般都會與理想情況有一定差距。

發明內容

本發明要解決的技術問題在于針對現有技術中的缺陷，提供一種基于多尺度頻譜感知技術的軸承故障檢測方法。

本發明解決其技術問題所采用的技術方案是：一種基于多尺度頻譜感知技術的軸承故障檢測方法，包括以下步驟：

1)通過傳感器采集軸承的振動加速度信號和聲信號；

2)信號預處理；

首先對傳感器采集到的振動加速度信號的離散頻譜序列進行線性分區，得到振動特征向量，具體過程如下：

對振動加速度信號的采樣序列V_n進行FFT變換并取絕對值，得到頻譜幅值序列A_n；對A_n保留有效頻率范圍內的數據作為分析對象，得到有效幅值序列B_n；將B_n平均劃分為m個區間，并對每個區間中的所有數據求和，得到特征向量F＝[F₁,F₂,F₃,…,F_m]；

其次對聲信號的離散頻譜序列進行1/3倍頻程分區，得到聲信號特征向量，具體過程如下：

對聲信號的采樣序列S_n進行FFT變換并取絕對值，得到頻譜幅值序列C_n；對C_n保留有效頻率范圍內的數據作為分析對象，得到有效幅值序列D_n；將D_n劃分為t個倍頻程區間，并對每個區間中的所有數據求和，得到特征向量G＝[G₁,G₂,G₃,…,G_t]；

3)對故障振動信號和聲信號樣本庫也進行同樣的分區，得到相應的特征向量組{K_F}和{K_G}；

4)分別將振動信號特征向量F和聲信號特征向量G與對應的特征向量組進行相關運算，得到相關系數r，當r大于閾值時，則認為符合故障特征，判定為故障；

5)綜合分析；

根據步驟4)，分別計算聲信號和振動信號的特征向量及其相關系數，然后進行綜合分析以判定故障類別，具體方法如下：