基于谱峭度法和量子遗传算法的滚动轴承故障的诊断方法
【专利摘要】本发明涉及滚动轴承故障诊断方法，特别涉及一种基于谱峭度法和量子遗传算法的滚动轴承故障的诊断方法，基于量子遗传算法收敛速度快、全局寻优能力强的特点和基于FIR滤波器的谱峭度法能得到一定范围内带通滤波器参数的客观事实，将谱峭度法和QGA相结合，以经带通滤波后的原信号的谱峭度作为QGA的适应度函数。通过本发明的方法所得的峭度谱值较传统谱峭度法的峭度谱值高2~3个数量级，且包络谱线更加干净，故障特征频率更加明显。同时研究发现，传统谱峭度法对传感器位置比较敏感，而本发明方法诊断精度几乎不受传感器位置的影响。
【专利说明】基于谱峭度法和量子遗传算法的滚动轴承故障的诊断方法
【技术领域】
[0001]本发明涉及滚动轴承故障诊断方法，特别涉及一种基于谱峭度法和量子遗传算法的滚动轴承故障的诊断方法。
【背景技术】
[0002]包络分析是滚动轴承故障诊断中最常用的方法之一，该方法不仅能给出轴承的损伤程度，而且能进一步指出轴承的损伤部位。在包络分析中带通滤波参数的选择至关重要，严重依赖操作人员的专业知识和以往的经验积累，得出诊断结论不仅费时，且可靠性不高。峭度作为一种统计量，在噪声较小时可以基于对奇异信号的敏感性进行系统的异常检测，但峭度作为一个全局指标无法反映信号某一分量的变化。为克服峭度的不足及功率谱无法检测和提取信号中瞬态现象的问题，谱峭度(Spectral Kurtosis,简写SK)法被Dwyer提出，其基本思路是计算每根谱线的峭度值，从而发现信号中隐藏的非平稳信息，并指出它们出现的频带。直到谱峭度的系统定义和快速算法的提出，谱峭度法在旋转机械故障诊断领域的应用才得到快速发展。但传统谱峭度法存在有限冲击响应(FIR)滤波器数目有限的问题，为此提出了各种改进，如苏文胜和蔡艳平分别用EMD对信号进行预处理并与谱峭度法相结合，对滚动轴承早期故障进行了诊断；王晓冬利用多小波可以更好地与故障特征匹配的特点，重构峭度图实现了滚动轴承故障诊断。
【发明内容】
[0003]本发明针对传统遗传算法易早熟、计算量大、稳定性差的缺点，基于量子遗传算法(Quantum Genetic Algorithm,简写QGA)收敛速度快、全局寻优能力强的特点和基于FIR滤波器的谱峭度法能得到一定范围内带通滤波器参数的客观事实，将谱峭度法和QGA相结合，以经带通滤波后的原信号的谱峭度作为QGA的适应度函数，提出一种滚动轴承故障诊断的新方法。
[0004]本发明的技术方案是:
[0005]一种基于谱峭度法和量子遗传算法的滚动轴承故障的诊断方法，首先对有故障的滚动轴承振动信号进行高频采样及预处理，其特征在于还包括以下步骤:
[0006]步骤1:由谱峭度法(SK)得到滤波器的初始参数，生成量子遗传算法(QGA)的初始种群；
[0007]步骤2:由观测得到的滤波器参数分别对预处理后的信号滤波，然后进行包络分析，求得各染色体对应的谱峭度作为适应度函数；
[0008]步骤3:量子遗传操作
[0009]以全干扰交叉的方法生成新的染色体种群，以一定的概率随机选取染色体进行按位取反；用当前最优染色体置换最差染色体完成选择；用量子旋转门更新染色体，使子代染色体取较大适应度值的概率更大；测量并计算适应度，记录最优个体信息；
[0010]在量子遗传中，最小的信息存储单元是量子比特。量子比特不仅能处在O或I状态，还能处在二者的任意叠加态上。量子比特的表示方法为:
[0011]I Ψ >= α |0 > +β I I >
[0012]其中，α和β可以是复数，分别表示I 0>状态和I 1>状态的概率幅，且满足归一化条件:
[0013]I α I2+I β I2 = I
[0014]式中，I α |2表不自旋向O的概率，I β |2表不自旋向I的概率。一个长度为m的量子染色体可以同时表示2m个不同的状态。测量的方法为:从[0，I]之间产生一个随机数，若这个数大于I α I2，则染色体相应位测量结果取值为1，否则为O。
[0015]用量子比特编码的染色体称作量子染色体。对一规模为η的种群，第t代的量子种群表示为Q(t) = {qit，q2\……qj，q/为种群中第j个量子染色体，具体形式可以描述为:
[0016]
【权利要求】
1.一种基于谱峭度法和量子遗传算法的滚动轴承故障的诊断方法，首先对有故障的滚动轴承 振动信号进行高频采样及预处理，其特征在于还包括以下步骤: 步骤1:由谱峭度法(SK)得到滤波器的初始参数，生成量子遗传算法(QGA)的初始种群; 步骤2:由观测得到的滤波器参数分别对预处理后的信号滤波，然后进行包络分析，求得各染色体对应的谱峭度作为适应度函数； 步骤3:量子遗传操作 以全干扰交叉的方法生成新的染色体种群，以一定的概率随机选取染色体进行按位取反；用当前最优染色体置换最差染色体完成选择；用量子旋转门更新染色体，使子代染色体取较大适应度值的概率更大；测量并计算适应度，记录最优个体信息； 步骤4:终止判别:达到最大进化代数t则终止循环，否则进化代数加I并返回步骤3。步骤5:以最佳滤波器参数对预处理信号进行滤波和包络分析，得到包络谱，诊断滚动轴承故障特征频率。
2.根据权利要求1所述的基于谱峭度法和量子遗传算法的滚动轴承故障的诊断方法，其特征在于所述的步骤2中各染色体的对应的谱峭度作为适应度函数为:
【文档编号】G01M13/04GK103792086SQ201410066346
【公开日】2014年5月14日 申请日期:2014年2月26日 优先权日:2014年2月26日
【发明者】徐可君, 秦海勤, 任帅 申请人:徐可君, 秦海勤