[發(fā)明專利]一種滾動軸承聲信號早期故障敏感特征篩選方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110709176.4
• 申請日: 2021-06-25
• 公開（公告）號: CN113435314B
• 公開（公告）日: 2023-02-21
• 發(fā)明（設(shè)計）人: 陳珅
• 申請（專利權(quán)）人: 陳珅
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/24;G01M13/045
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 苗曉娟

1.一種滾動軸承聲信號早期故障敏感特征篩選方法，其特征在于，所述方法包括以下過程：

采集軸承在不同故障類型下聲學(xué)信號的時域波形，構(gòu)建軸承樣本信號數(shù)據(jù)集；

根據(jù)VMD算法，對所述軸承樣本信號數(shù)據(jù)集內(nèi)各軸承樣本信號分別進(jìn)行分解，得到對應(yīng)的IMF分量，并根據(jù)所述IMF分量計算對應(yīng)的混合域特征指標(biāo)，構(gòu)建聲學(xué)信號的特征指標(biāo)數(shù)據(jù)集；

對所述特征指標(biāo)數(shù)據(jù)集進(jìn)行降維處理，獲得降維后特征指標(biāo)數(shù)據(jù)集；

對所述降維后特征指標(biāo)數(shù)據(jù)集中的數(shù)據(jù)計算所述混合域特征指標(biāo)對應(yīng)的敏感性評估因子；

將根據(jù)所述敏感性評估因子篩選得到的敏感指標(biāo)輸入分類器進(jìn)行識別，判斷軸承的故障類型；

所述構(gòu)建聲學(xué)信號特征指標(biāo)數(shù)據(jù)集包括以下過程：

分別對所述軸承樣本信號數(shù)據(jù)集內(nèi)的各軸承樣本信號使用VMD算法分解后，得到i個所述IMF分量，計算第i個IMF分量的譜相關(guān)系數(shù)；

若所述第i個所述IMF分量的譜相關(guān)系數(shù)小于預(yù)設(shè)的譜相關(guān)系數(shù)閾值，最小分解層數(shù)的計算公式如下：K＝i-1，其中，K表示最小分解層數(shù)，i表示IMF分量的個數(shù)；

根據(jù)所述最小分解層數(shù)，計算各所述IMF分量的所述混合域指標(biāo)，根據(jù)所述混合域指標(biāo)構(gòu)建所述聲學(xué)信號的特征指標(biāo)數(shù)據(jù)集；

其中，第i個IMF分量的譜相關(guān)系數(shù)

其中，N表示采樣點數(shù)，|U_i(j)|表示第i個IMF分量的模在第j個采樣點的值，|V(j)|表示軸承樣本信號通過傅里葉變換后的模在第j個采樣點的值；

其中，所述敏感指標(biāo)是根據(jù)所述敏感性評估因子和預(yù)設(shè)的評估因子閾值，篩選得到；

所述分類器為粒子群優(yōu)化算法的支持向量機(jī)。

2.根據(jù)權(quán)利要求1所述的滾動軸承聲信號早期故障敏感特征篩選方法，其特征在于，所述混合域特征指標(biāo)包括時域指標(biāo)和熵指標(biāo)。

3.根據(jù)權(quán)利要求2所述的滾動軸承聲信號早期故障敏感特征篩選方法，其特征在于，所述時域指標(biāo)包括：峭度、偏度、均方根、平均值、形狀系數(shù)、峰值、波峰因子、脈沖系數(shù)、裕度因子和方差，所述熵指標(biāo)包括：排列熵、樣本熵和模糊熵。

4.根據(jù)權(quán)利要求1所述的滾動軸承聲信號早期故障敏感特征篩選方法，其特征在于，所述軸承的故障類型包括正常、滾子故障、內(nèi)圈故障、外圈故障。

5.根據(jù)權(quán)利要求1所述的滾動軸承聲信號早期故障敏感特征篩選方法，其特征在于，獲得所述降維后特征指標(biāo)數(shù)據(jù)集的過程如下：

計算所述特征指標(biāo)數(shù)據(jù)集中任兩點的相似條件概率分布；

根據(jù)所述相似條件概率分布，計算高維空間中的任兩個數(shù)據(jù)點的聯(lián)合概率分布；

計算低維空間中的任兩個數(shù)據(jù)點的聯(lián)合概率分布；

根據(jù)所述低維空間中的任兩個數(shù)據(jù)點的聯(lián)合概率分布和所述高維空間中的任兩個數(shù)據(jù)點的聯(lián)合概率分布，使用KL散度求取代價函數(shù)；

使用梯度下降法優(yōu)化所述代價函數(shù)的梯度；

根據(jù)優(yōu)化后的所述代價函數(shù)，獲得所述降維后特征指標(biāo)數(shù)據(jù)集。

6.根據(jù)權(quán)利要求1所述的滾動軸承聲信號早期故障敏感特征篩選方法，其特征在于，所述敏感指標(biāo)的篩選過程如下：

計算所述降維后特征指標(biāo)數(shù)據(jù)集中，每類軸承樣本數(shù)據(jù)的中心坐標(biāo)；

根據(jù)所述每類軸承樣本數(shù)據(jù)的中心坐標(biāo)，計算每類軸承樣本數(shù)據(jù)類內(nèi)距離的平均值；

根據(jù)所述每類軸承樣本數(shù)據(jù)類內(nèi)距離的平均值，計算軸承樣本數(shù)據(jù)在M類故障類型下，類內(nèi)距離平均值；

根據(jù)所述每類軸承樣本數(shù)據(jù)的中心坐標(biāo)，計算軸承樣本數(shù)據(jù)在M類故障類型下，類間距離的平均值

根據(jù)所述軸承樣本數(shù)據(jù)在M類故障類型下，類內(nèi)距離平均值和所述軸承樣本數(shù)據(jù)在M類故障類型下，類間距離的平均值，計算所述敏感性評估因子；

跟據(jù)所述敏感性評估因子和預(yù)設(shè)的評估因子閾值，篩選得到所述敏感指標(biāo)，將其歸類為I類指標(biāo)，否則，為II類指標(biāo)。