专利名称：一种基于形态学滤波和复杂度测度的轴承定量诊断方法
技术领域：
本发明属于机械故障诊断领域，具体涉及一种基于形态学滤波和复杂度测度的轴承定量诊断方法。
背景技术：
滚动轴承是广泛应用于旋转机械中的零部件，其运转状态直接影响设备的性能。目前国内外关于滚动轴承运行状态监测技术，多为定性的分析方法，这些方法都是首先获得反映轴承运行状态的信号特征，将分析结果与典型故障进行对比(故障诊断本质是模式识别，模式识别的本质是对比判断)，可以判断轴承是否存在故障及故障类型，然而这类定性诊断方法对滚动轴承的预防维护是不够的，需要找到反映滚动轴承运行状态的定量化指标即掌握滚动轴承故障程度，才能更有效地实现滚动轴承状态监测和故障诊断。因此，实现对滚动轴承故障的定量化评价研究具有十分重要的意义。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种基于形态学滤波和复杂度测度的轴承定量诊断方法，提高了检测精度和准确度，对滚动轴承的运行状态监测和维护具有重要意义。为了达到上述目的，本发明采用的技术方案为一种基于形态学滤波和复杂度测度的轴承定量诊断方法，包括以下步骤第一步，选用Laplace小波和Morlet小波作为形态学滤波器的两种结构元素；第二步，选用免疫优化进行形态学滤波器结构元素参数优化；设给定的轴承振动加速度信号为f (t)，选择第一步构建的两种结构元素，对f (t)进行形态学滤波，设计能定量地表示检测效果好坏的K指标作为免疫算法的抗原，在给定范围内对寻找使K指标最大的结构元素作为免疫优化抗体，其中K指标最大为免疫优化的亲和度，K指标的计算过程如下计算X⑴的脉冲指标If
权利要求
1. 一种基于形态学滤波和复杂度测度的轴承定量诊断方法，其特征在于，包括以下步骤第一步，选用Laplace小波和Morlet小波作为形态学滤波器的两种结构元素；第二步，选用免疫优化进行形态学滤波器结构元素参数优化；设给定的轴承振动加速度信号为f(t)，选择第一步构建的两种结构元素，对f(t)进行形态学滤波，设计能定量地表示检测效果好坏的K指标作为免疫算法的抗原，在给定范围内对寻找使K指标最大的结构元素作为免疫优化抗体，其中K指标最大为免疫优化的亲和度，K指标的计算过程如下计算x(t)的脉冲指标If If = x/x其中
全文摘要
一种基于形态学滤波和复杂度测度的轴承定量诊断方法，先选用了Morlet小波和Laplace小波作为形态学滤波器的结构元素，运用基于免疫优化的形态学滤波方法对采集得到的滚动轴承振动信号进行时域滤波处理，其次，采用基于改进的复杂性测度算法对滤波后的滚动轴承振动信号进行定量化评价，本发明从定量的角度评价了滚动轴承故障程度，并且，复杂性测度处理轴承数据具有单调性的特点能够用于指示轴承的实时运行状态监测，提高了滚动轴承故障诊断的准确性，方便现场维护。
文档编号G01M13/04GK102998118SQ20121050912
公开日2013年3月27日 申请日期2012年11月29日 优先权日2012年11月29日
发明者徐光华, 姜阔胜, 梁琳, 陶唐飞, 张四聪, 罗爱玲 申请人:西安交通大学