[發(fā)明專利]基于參數(shù)優(yōu)化VMD和加權基尼指數(shù)的軸承故障診斷方法

有效

• 申請?zhí)枺?/td>: 202110758710.0
• 申請日: 2021-07-05
• 公開（公告）號: CN113468688B
• 公開（公告）日: 2022-12-09
• 發(fā)明（設計）人: 訾艷陽;陳鵬程;陳暉;張航
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06N3/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 安彥彥

一種基于參數(shù)優(yōu)化VMD和加權基尼指數(shù)的軸承故障診斷方法，采集軸承由健康狀態(tài)到損傷狀態(tài)的全生命周期振動信號，得到振動加速度信號；初始化變分模式分解和食肉植物優(yōu)化算法的參數(shù)，計算適應度函數(shù)值；根據(jù)適應度函數(shù)值，采用食肉植物優(yōu)化算法優(yōu)化變分模式分解算法，獲得振動加速度信號分解效果最佳的VMD參數(shù)組合；利用振動加速度信號分解效果最佳的VMD參數(shù)組合進行變分模式分解，計算包絡峭度值，對包絡峭度值最大的模式分量進行包絡解調分析，然后判斷軸承故障類型。該方法能在強大復雜的背景噪聲下準確高效地提取滾動軸承故障信號的微弱特征，為避免因軸承故障造成重大事故、經濟損失等提供了理論方法，具有重要參考價值。

技術領域

本發(fā)明屬于火箭發(fā)動機故障診斷技術領域，涉及一種基于參數(shù)優(yōu)化VMD和加權基尼指數(shù)的軸承故障診斷方法。

背景技術

渦輪泵是液體火箭發(fā)動機的關鍵組件，其長期在高溫、低溫、高壓、低壓以及高轉速工況下運行，所處熱力學環(huán)境極為復雜。滾動軸承是渦輪泵的核心部件，其長時間以極高的轉速運轉，同時承受各種形式的應力擠壓、摩擦，極易出現(xiàn)故障。滾動軸承一旦出現(xiàn)故障，將直接影響火箭發(fā)動機的安全穩(wěn)定運行。因此開展火箭發(fā)動機渦輪泵軸承的故障診斷研究十分必要，對于確保火箭順利升空具有非常重要的意義。

火箭發(fā)動機渦輪泵軸承采用固體自潤滑，當軸承受到瞬間外力時易導致結構破壞，或瞬間干摩擦易引起燒蝕。渦輪泵軸承振動信號具有以下特點：(1)頻譜寬。振動信號中同時含有低頻成份和上萬赫茲的高頻成份。(2)能量高。渦輪泵軸承振動量級極大，達到了毫米級，但軸承故障特征頻率振動量級很小，極易被強大的背景噪聲淹沒；(3)突變性強。軸承表面一旦出現(xiàn)故障，其劣化速度極快，因而振動信號中故障特征頻率具有很強的突變性。這些特點給渦輪泵軸承故障診斷帶來了極大的挑戰(zhàn)，如何在強大復雜的背景噪聲下，準確高效地提取微弱的軸承故障特征，是目前亟待解決的一大難題。

近年來，變分模式分解(VMD)方法在機械設備振動信號處理方面得到了廣泛的應用。由于其非遞歸篩選原理，VMD能夠克服經驗模式分解的模式混疊和端點效應，并且其分解的信號具有精度高、收斂快和魯棒性好等特點。然而VMD的缺陷在于必須事先確定分解個數(shù)K和二次懲罰因子α，并且該參數(shù)對分解精度的影響顯著。人工經驗確定的參數(shù)，分解精度不高，且診斷效率低下。

現(xiàn)有技術中存在渦輪泵軸承振動信號頻譜寬、能量大、突變性強，故障特征提取困難的問題。

發(fā)明內容

本發(fā)明的目的在于提供一種基于參數(shù)優(yōu)化VMD和加權基尼指數(shù)的軸承故障診斷方法，通過引入食肉植物優(yōu)化算法自適應選擇VMD分解參數(shù)，能有效降低參數(shù)選擇對VMD的影響，獲得最佳分解效果，能在強大復雜的背景噪聲下更為高效準確地提取周期性故障沖擊脈沖，實現(xiàn)軸承故障的準確識別。

為實現(xiàn)上述目的，本發(fā)明采用的技術方案是：

一種基于參數(shù)優(yōu)化VMD和加權基尼指數(shù)的軸承故障診斷方法，包括以下步驟：

步驟一：通過軸承水試實驗，采集軸承由健康狀態(tài)到損傷狀態(tài)的全生命周期振動信號，得到不同故障狀態(tài)的振動加速度信號；

步驟二：初始化變分模式分解和食肉植物優(yōu)化算法的參數(shù)，然后進行參數(shù)尋優(yōu)過程，計算適應度函數(shù)值；

步驟三：根據(jù)適應度函數(shù)值，采用食肉植物優(yōu)化算法優(yōu)化變分模式分解算法，獲得不同故障狀態(tài)的振動加速度信號分解效果最佳的VMD參數(shù)組合；

步驟四：利用不同故障狀態(tài)的振動加速度信號分解效果最佳的VMD參數(shù)組合進行變分模式分解，計算所得各個模式分量的包絡峭度值，對包絡峭度值最大的模式分量進行包絡解調分析，得到包絡解調譜；

步驟五：從包絡解調譜中提取軸承故障特征，判斷軸承故障類型。