[發明專利]低速重載軸承故障識別方法、系統、介質、設備及終端

在審

• 申請號: 202210535583.2
• 申請日: 2022-05-17
• 公開（公告）號: CN114813131A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 彭延峰;耿宏巖;郭勇;羅曜;郭理宏;楊來銘;何寬芳;袁文明;劉燕飛;范超;李賽
• 申請（專利權）人: 湖南科技大學;廣東中貿科技有限公司
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 張曉博

1.一種低速重載軸承故障識別方法，其特征在于，所述低速重載軸承故障識別方法包括：

對信號進行濾波分解，對分解得到的前三個分量信號的特征量進行求解并構建特征值矩陣；采用距離評估技術對特征值矩陣進行降維，篩選出顯著特征；將顯著特征輸入到BP神經網絡進行訓練和測試，實現低速重載軸承故障識別。

2.如權利要求1所述低速重載軸承故障識別方法，其特征在于，所述低速重載軸承故障識別方法還包括：

采用廣義寬窄帶稀疏分解方法將采集到的低速重載軸承的振動信號進行濾波分解，從信號分量中提取特征值之前確定包含軸承故障信息的最具代表性的信號分量；根據廣義寬窄帶稀疏分解方法內在的濾波特性，選擇前三個信號分量提取統計參數特征；采用距離評估技術方法對分解后的前三個分量信號進行特征值計算，進而篩選出與故障信息匹配的顯著特征；將顯著特征輸入到BP神經網絡中進行訓練和測試，實現低速重載軸承的故障識別。

3.如權利要求1所述低速重載軸承故障識別方法，其特征在于，所述低速重載軸承故障識別方法包括以下步驟：

步驟一，提出廣義寬窄帶稀疏分解方法；

步驟二，利用距離評估技術進行特征提取；

步驟三，利用BP神經網絡實現低速重載軸承的故障識別。

4.如權利要求3所述低速重載軸承故障識別方法，其特征在于，所述步驟一中的廣義寬窄帶稀疏分解方法包括廣義傅里葉變換；

廣義解調通過預設的相位函數把時頻分布為若干條曲線的多分量信號中的特定曲線成分轉換成線性的、平行于時間軸的直線，用于低轉速、交變負載作用下的非平穩信號分析，廣義解調算法的本質為廣義傅里葉變換；

對于實信號x(t)，廣義傅里葉變換定義為：

式中，s₀(t)是t的實值函數，廣義傅里葉變換實質是對進行標準傅里葉變換，對X_G(f)進行逆傅里葉變換得到x(t)：

令X_G(f)＝δ(f-f₀)，則廣義傅里葉變換是將一個瞬時頻率為f(t)＝f₀+s′₀(t)的信號變換成能量集中在f(t)＝f₀上；對于信號x(t)，若時頻分布為f₀+s′₀(t)，則找到一個近似s₀(t)的相位函數對原始信號進行廣義解調，得到的解調函數的時頻分布是一條平行于時間軸的直線f(t)＝f₀。