[發明專利]基于增強字典學習的行星軸承智能故障診斷方法

在審

• 申請號: 202210262593.3
• 申請日: 2022-03-17
• 公開（公告）號: CN114722520A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 孔運;褚福磊;王天楊
• 申請（專利權）人: 清華大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06K9/62;G06F119/02
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 袁文婷;張娓娓

本發明提供一種基于增強字典學習的行星軸承智能故障診斷方法，屬于智能機械設備技術領域，通過采用考慮健康狀態的子字典學習算法以及基于稀疏重構誤差最小判別準則的健康狀態智能識別策略，能夠準確識別行星軸承的不同健康狀態；本發明的一種基于增強字典學習的行星軸承智能故障診斷方法克服了傳統方法的依賴于微弱故障特征頻率的精確辨識、易受制造誤差與干擾的影響以及難以實現行星軸承健康狀態魯棒智能識別的不足，為含行星傳動系統機械裝備的故障診斷與健康管理提供技術支撐。

技術領域

本發明屬于智能機械設備領域，具體涉及一種基于增強字典學習的行星軸承智能故障診斷方法。

背景技術

行星傳動系統具有空間緊湊、傳動比大、承載能力強等優點，廣泛應用于直升機、風力發電機組、齒輪傳動渦輪風扇發動機等重大機械裝備的傳動系統。由于長期承受重載、多變載荷且工況嚴苛惡劣等服役環境，行星傳動系統極易發生部件損傷，輕則導致系統無法正常安全可靠服役，重則造成重大經濟損失乃至災難性安全事故。而行星軸承作為行星傳動系統的核心部件，其狀態監測與故障診斷技術，在航空發動機、風力發電機組、直升機等重大高端機械裝備的減少重大安全事故、大大節約裝備的運行維護成本等方面具有重要意義。但是，行星軸承的狀態和故障診斷一直是困擾機械系統動態監測、診斷與維護領域的重要難題。

現有的行星軸承智能故障診斷方法主要包括幅值-頻率聯合解調分析方法(Feng等人，2016)、基于譜峭度比值的SKRgram方法(Wang等人，2016)、基于譜負熵的解調分析方法(Feng等人，2017)、多點最優最小熵解卷積方法(Ma等人，2019)、一種基于基尼指標改進的SKRgram方法(CN 107525672B)等，均是基于先進信號處理方法，提取行星軸承微弱故障的重復性沖擊特征，通過檢測行星軸承局部故障對應的微弱故障特征頻率，以辨識行星軸承故障的位置。

但是，現有的行星軸承智能故障診斷方法仍然存在以下弊端：

1)對微弱故障特征頻率的精確辨識的依賴性過強；

2)易受制造誤差與干擾的影響；進而導致難以實現行星軸承健康狀態的魯棒智能識別。

因此，亟需一種不依賴于微弱故障特征頻率辨識的魯棒的基于增強字典學習的行星軸承智能故障診斷方法。

發明內容

本發明提供一種基于增強字典學習的行星軸承智能故障診斷方法、系統、電子設備以及存儲介質，用以克服現有技術中存在的至少一個技術問題。

為實現上述目的，本發明提供一種基于增強字典學習的行星軸承智能故障診斷方法，方法包括：

采集待檢測的行星軸承的振動數據；

根據所采集的待檢測的行星軸承的振動數據，確定待檢測樣本；

根據所述待檢測樣本和預獲取的不同的行星軸承健康狀態的優化子字典矩陣，確定所述待檢測樣本對于所述不同的行星軸承健康狀態的優化子字典矩陣的稀疏編碼；并根據不同的行星軸承健康狀態的優化子字典矩陣和稀疏編碼，確定所述待檢測樣本的稀疏重構誤差；

通過基于稀疏重構誤差最小判別準則的健康狀態智能識別策略，確定待檢測樣本的最小稀疏重構誤差；并根據所述最小稀疏重構誤差對應的優化子字典矩陣的健康狀態類標，判定所述待檢測的行星軸承的健康狀態。

進一步，優選的，通過基于稀疏重構誤差最小判別準則的健康狀態智能識別策略，確定待檢測樣本的最小稀疏重構誤差；并根據所述最小稀疏重構誤差對應的優化子字典矩陣的健康狀態類標，判定所述待檢測的行星軸承的健康狀態的步驟，通過以下公式實現：