[發明專利]基于SVD和CEEMDAN的故障軸承診斷方法

在審

• 申請號: 202110594638.2
• 申請日: 2021-05-28
• 公開（公告）號: CN113375940A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 王林軍;劉洋;李立軍;徐洲常;蔡康林
• 申請（專利權）人: 三峽大學
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 成鋼

1.基于SVD和CEEMDAN的故障軸承診斷方法，其特征在于，包括以下步驟：

步驟1：采集軸承振動信號；

步驟2：計算軸承振動信號的時頻分布，初步判斷軸承是否產生故障；

步驟3：對原始故障軸承振動信號進行奇異值分解后重構，得到初步降噪信號；

步驟4：對初步降噪信號進行自適應噪聲完備集合經驗模態分解，得到多個本征模態分量；

步驟5：計算各個本征模態分量與原信號之間的Kullback-Leibler散度，并設置散度閾值，Kullback-Leibler散度值大于散度閾值的本征模態分量為無效分量，將其剔除；

步驟6：對步驟5得到的有效本征模態分量進行重構，得到重構信號；

步驟7：對重構信號進行自相關去噪，再對其畫包絡譜，提取清晰的故障特征頻率，與計算所得的軸承故障特征頻率理論值進行對比，診斷得到軸承故障類型。

2.根據權利要求1所述的故障軸承診斷方法，其特征在于，步驟2中，軸承振動信號的Wigner-Ville時頻分布的計算式如下：

式中WVD_x(t,f)表示信號x(t)的Wigner-Ville時頻分布結果，*代表復數共軛，f表示頻率，t表示時間，表示信號x(t)的瞬時自相關函數。

3.根據權利要求1所述的故障軸承診斷方法，其特征在于，步驟3包括以下子步驟：

步驟3.1：將原始故障軸承信號重構得到Hankel矩陣H：

其中m≥2，n≥2，信號長度為m+n+l；

步驟3.2：對步驟3.1得到的Hankel矩陣進行奇異值分解，計算式如下：

A＝UΣV^H (3)

式中U為m×m的正交矩陣；V為n×n的正交矩陣；Σ為m×n的奇異值對角矩陣，對角元素為λ₁,λ₂,…,λ_min(m,n)；其中λ_i,i＝1,2,…,min(m,n)為矩陣A的奇異值；

步驟3.3：利用前n個奇異值對信號進行重構，實現信號降噪。

4.根據權利要求1所述的故障軸承診斷方法，其特征在于，步驟4包括以下子步驟：

步驟4.1：在滾動軸承信號y(t)中加入白噪聲ε₀vⁱ(n)，對信號y(t)+ε₀vⁱ(n)進行經驗模態分解，獲得第一個模態分量，其公式如下：

其中表示第一個本征模態分量，表示信號y(t)+ε₀vⁱ(n)經驗模態分解得到的各分量，I表示總集合數；ε₀表示每個階段的信噪比，vⁱ(n)表示為增加的第i個高斯白噪聲；

步驟4.2：計算第一階段剩余分量：

式中r₁(t)表示第一階段余量；

步驟4.3：對信號y(t)+ε₁E₁(vⁱ(t))進行經驗模態分解，直至分解得到第一個模態分量位置，并在此基礎上計算第二模態分量：

式中表示第二個本征模態分量，E₁()表示為高斯白噪聲經驗模態分解得到的第1個分量；步驟4.4：計算第k階段剩余分量r_k(t)：

式中表示第k個本征模態分量，k＝2,3,…,K；

步驟4.5：計算第k+1個模態分量

式中ε_k表示第k階段的信噪比

步驟4.6：重復步驟4.4-4.5，將剩余分量分解到不能分解為止，得到K個模態分量和最終剩余分量r(t)：

原信號s(t)經過分解后得到K個本征模態分量和一個剩余分量，即：