[發(fā)明專利]一種變轉(zhuǎn)速下航空軸承故障特征提取診斷方法

在審

• 申請?zhí)枺?/td>: 202210759449.0
• 申請日: 2022-06-29
• 公開（公告）號: CN115293196A
• 公開（公告）日: 2022-11-04
• 發(fā)明（設(shè)計）人: 黃玉婧;徐智;王景霖;單添敏;曹亮;沈勇
• 申請（專利權(quán)）人: 中國航空工業(yè)集團(tuán)公司上海航空測控技術(shù)研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/14
• 代理公司: 上海和躍知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31239
• 代理人: 楊慧

1.一種變轉(zhuǎn)速下航空軸承故障特征提取診斷方法，其特征在于，包括以下步驟：

步驟S1、對采集到的變轉(zhuǎn)速下的軸承信號以降低噪聲和增強(qiáng)故障分量為目的進(jìn)行預(yù)處理，對預(yù)處理后的軸承信號求包絡(luò)得到包絡(luò)信號；

步驟S2、獲取與采集的軸承信號同步的軸承轉(zhuǎn)頻；

步驟S3、依據(jù)軸承轉(zhuǎn)頻和由軸承結(jié)構(gòu)決定的軸承故障特征階次獲得軸承各個部位對應(yīng)的瞬時故障特征頻率，再基于各瞬時故障特征頻率對包絡(luò)信號進(jìn)行Vold-Kalman濾波，對各單一故障特征倍頻進(jìn)行粗略提取；

步驟S4、從Vold-Kalman濾波后的信號中獲取最優(yōu)的分?jǐn)?shù)階階次p_n；

步驟S5、對Vold-Kalman濾波信號進(jìn)行p_n階FrFT，在分?jǐn)?shù)階傅里葉域利用窄帶濾波器濾除噪聲，對經(jīng)過濾波后的信號做p_n階的逆變換，即做-p_n階FrFT，變換到時間域，得到濾波后的單一故障分量信號；

步驟S6、以不同部位的故障特征階次為標(biāo)簽，對FrFT濾波后的故障分量倍頻信號進(jìn)行重構(gòu)，作出重構(gòu)信號階次譜，若譜圖中看出相應(yīng)標(biāo)簽的故障特征階次，則判斷軸承故障類型。

2.根據(jù)權(quán)利要求1所述的一種變轉(zhuǎn)速下航空軸承故障特征提取診斷方法，其特征在于：在步驟S1中，所述降低噪聲的方法包括且不限于時域同步平均、LMS自適應(yīng)濾波、小波降噪、形態(tài)濾波；增強(qiáng)故障分量的方法包括且不限于最小熵解卷積、最大相關(guān)峭度解卷積、多點(diǎn)最優(yōu)最小熵解卷積、隨機(jī)共振及隨機(jī)共振的衍生方法；求包絡(luò)的方法為Hilbert解調(diào)的方法。

3.根據(jù)權(quán)利要求1所述的一種變轉(zhuǎn)速下航空軸承故障特征提取診斷方法，其特征在于：在步驟S1中，當(dāng)使用振動加速度傳感器采集到軸承信號后，直接從降低噪聲和增強(qiáng)故障分量兩個方面進(jìn)行預(yù)處理；當(dāng)使用聲發(fā)射傳感器采集到軸承信號后，在進(jìn)行降低噪聲和增強(qiáng)故障分量之前還需要確定信號共振頻帶。

4.根據(jù)權(quán)利要求3所述的一種變轉(zhuǎn)速下航空軸承故障特征提取診斷方法，其特征在于：確定信號共振頻帶的方法包括且不限于譜峭度、經(jīng)驗?zāi)B(tài)分解、變分模態(tài)分解。

5.根據(jù)權(quán)利要求1所述的一種變轉(zhuǎn)速下航空軸承故障特征提取診斷方法，其特征在于：步驟S2中，若使用光電編碼器采集脈沖信號，則對脈沖信號進(jìn)行轉(zhuǎn)頻的擬合獲得軸承轉(zhuǎn)頻；若無法使用傳感器，則利用峰值搜索及峰值搜索的衍生方法進(jìn)行轉(zhuǎn)頻的識別獲得與軸承信號同步的軸承轉(zhuǎn)頻。

6.根據(jù)權(quán)利要求1所述的一種變轉(zhuǎn)速下航空軸承故障特征提取診斷方法，其特征在于：在步驟S3中，軸承各個部位對應(yīng)的瞬時故障特征頻率的方程為：

IFCF_i＝i×f_r×FCO,i＝1,2,3

式中i為故障特征頻率的倍頻數(shù)；f_r為軸承轉(zhuǎn)頻；FCO為軸承故障特征階次，僅與軸承結(jié)構(gòu)尺寸相關(guān)，不同故障類型對應(yīng)不同F(xiàn)CO。

7.根據(jù)權(quán)利要求1所述的一種變轉(zhuǎn)速下航空軸承故障特征提取診斷方法，其特征在于：在步驟S4中，通過多尺度尋優(yōu)方法尋找最優(yōu)的分?jǐn)?shù)階階次p_n，多尺度尋優(yōu)方法包括大尺度范圍內(nèi)的延時相關(guān)法，以及小尺度范圍內(nèi)的信息熵法；

延時相關(guān)法是在大尺度范圍內(nèi)，將S3得到的Vold-Kalman濾波后的信號在時域上延遲τ，然后將延遲后的信號取共軛并與原信號相乘得到信號的瞬時自相關(guān)函數(shù)，再對單一故障分量的瞬時自相關(guān)函數(shù)做快速傅里葉變換找出頻域上的峰值頻率ω₀，從而估計出調(diào)頻率k：

再根據(jù)：

p_m＝2α/π＝1+2arctank'/π

確定大致分?jǐn)?shù)階階次p_m；其中k'是預(yù)估出的調(diào)頻率k進(jìn)行離散尺度歸一化因子處理后的結(jié)果，k'＝kT/f_s，其中T為信號時長，f_s為采樣頻率；

信息熵法是在以p_m為中心階次的小尺度范圍內(nèi)，計算不同階次下分?jǐn)?shù)階信號對應(yīng)的信息熵值，將熵值最小時對應(yīng)的分?jǐn)?shù)階階次為最優(yōu)的分?jǐn)?shù)階階次p_n。