[發明專利]自適應級聯字典驅動的軸承故障診斷方法

在審

• 申請號: 202310492616.4
• 申請日: 2023-05-05
• 公開（公告）號: CN116202771A
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 張軼;鄧建明;章博群;胡逢耀;周培勇;雷俊
• 申請（專利權）人: 中國鐵路南昌局集團有限公司南昌車輛段
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06N3/006
• 代理公司: 南昌卓爾精誠專利代理事務所(普通合伙) 36133
• 代理人: 徐柳華

本發明專利涉及一種自適應級聯字典驅動的軸承故障診斷方法。首先以雙阻尼小波作為原子模型，采用相關濾波算法尋找小波的最優參數，考慮到相關濾波算法的計算量大，采用粒子群優化算法輔助相關濾波法進行雙阻尼小波參數尋優?；谧顑炐〔▍到M合，形成初始小波參數字典。然后將初始字典代入自學習算法K奇異值分解中進行二次學習，實現初始字典原子的局部調整，形成級聯字典。借助于正交匹配追蹤算法，級聯字典實現對原始振動信號的稀疏重構，最后通過重構信號的包絡譜提取故障特征頻率，完成故障診斷。將所提方法與Laplace小波參數字典、K?SVD字典作對比分析，結果顯示本發明所提方法具有明顯的優勢。

技術領域

本發明屬于軸承故障診斷技術領域，具體涉及一種自適應級聯字典驅動的軸承故障診斷方法。

背景技術

軸承作為旋轉機械中最主要的零部件之一，被廣泛應用于機械、交通、航空航天等領域。作為旋轉機械中保證安全的關鍵部件，軸承由于通常工作于高溫、高壓、重載的環境中而極易發生故障。軸承一旦發生故障，輕則導致一定的經濟損失，重則造成嚴重的人員傷亡。因此，準確判斷軸承的健康狀況對于確保機械設備安全、有效運行至關重要。

振動信號包含運行設備的豐富信息，因此基于振動信號的軸承故障診斷方法引起了廣泛的關注。然而振動信號通常會受到噪聲和諧波成分的干擾，難以準確提取出有效的故障特征信息。稀疏分解方法在信號處理方面取得了顯著成就。構造合適的字典是稀疏表征的重要一部分，字典主要分為參數字典和學習字典的兩大類。鄧飛躍等先構建自適應Morlet小波參數字典，后結合正交匹配追蹤(OMP)算法對振動信號進行稀疏重構，提取故障特征信息。然而基于單一小波模型的參數字典與真實振動信號中的故障脈沖響應的局部匹配性較差，導致其在強噪聲的環境下診斷精度低。郭俊峰等采用自學習算法K奇異值分解(K-SVD)對目標振動信號進行稀疏表示，然而噪聲和干擾成分使K-SVD算法在學習過程中易學習到干擾成分，導致信號稀疏分解效果差。且其學習過程耗時長，計算成本高。

上述小波參數字典采用單阻尼的小波作為原子模型，與真實的呈現雙邊不對稱波形的故障脈沖響應的局部匹配性差，學習字典自學習時間長，且易受噪聲和干擾成分的影響，導致現有常用字典稀疏表征效果差，難以保證整體的診斷效果。

發明內容

針對參數小波字典原子模型自適應性差和學習字典耗時長，難以保證整體診斷精度和診斷效率的問題，本發明提出一種自適應級聯字典驅動的軸承故障診斷方法。首先以雙阻尼小波作為原子模型，采用相關濾波算法尋找小波的最優參數，考慮到相關濾波算法的計算量大，采用粒子群(PSO)優化算法輔助相關濾波算法的方式進行雙阻尼小波參數尋優?；谧顑炐〔▍到M合，形成初始小波參數字典。由于初始字典原子波形的一致性，與幅值、振蕩衰減快慢不一的真實故障脈沖響應匹配性差，將初始字典代入自學習算法K奇異值分解(K-SVD)中進行二次學習，實現初始字典原子的局部調整，形成級聯字典。借助于正交匹配追蹤(OMP)算法，級聯字典實現對原始振動信號的稀疏重構，最后通過重構信號的包絡譜提取故障特征頻率，完成故障診斷。

本發明的目的在于提供一種自適應級聯字典驅動的軸承故障診斷方法，有效消除振動信號中的干擾成分，保證滾動軸承故障診斷的有效性和準確性。

自適應級聯字典驅動的軸承故障診斷方法，其具體步驟為：

1)?構造初始小波參數字典：用傳感器采集原始振動信號數據并輸入，初始化粒子群優化算法的參數值，設置雙阻尼小波的振蕩頻率、第一阻尼比、第二阻尼比、時移參數的尋優范圍，以相關系數最大值作為優化指標，借助于粒子群優化算法輔助相關濾波算法快速定位雙阻尼小波的最優參數值，改變最優雙阻尼小波的時移參數，構造初始小波參數字典；

2)?構造自適應級聯字典：將初始小波參數字典代入K奇異值分解算法中進行二次學習，對初始字典原子的局部進行調整，構造自適應級聯字典；

3)?重構振動信號：結合正交匹配追蹤算法，利用自適應級聯字典對原始振動信號進行稀疏表征，重構出噪聲和干擾成分減弱的振動信號；