专利名称：一种改进冲击字典匹配追踪算法的轴承复合故障诊断方法
技术领域：
本发明涉及一种轴承复合故障诊断方法，特别涉及一种基于改进冲击字典匹配追踪算法的轴承复合故障诊断方法。
背景技术：
轴承是旋转类机械的重要组成部件，对其运转状态的检测和故障诊断具有很重要的意义。其故障振动信号是一类典型的非平稳信号，较平稳信号而言，其分布参数或者分布规律随时间发生变化，工程实际中所接触的往往也是非平稳信号，所以此类信号的研究对于工程应用具有极其重要的意义。轴承的故障形式有多种，从故障位置上来划分主要分为滚动体损伤、外圈损伤、内圈损伤，及几种损伤的复合故障形式，如外圈和滚动体损伤、内圈和滚动体损伤，内圈、夕卜圈和滚动体的损伤等。轴承故障诊断的关键在于如何从故障信号中提取故障特征。但由于工程实际中轴承的运行环境恶劣，其振动信号十分复杂，含有大量噪声及不稳定因素，是一种典型的非平稳信号，特别是轴承出现早期缺陷时，信号故障特征十分微弱。并且在工程实际中复合故障发生所占的比例较大，当多种故障特征叠加在一起时，各种故障成分相互影响，彼此干扰，使故障特征复杂化，难于诊断。因此如何采用有效的分析工具和算法，对轴承的早期故障及复合故障进行分析和诊断，提取故障特征及实现对故障发展状态监测和诊断，是对轴承进行故障检测和诊断的一大难点。在轴承故障信号的分析中，对信号的表达最基本形式包括时域表达和频域表达。然而对于复杂的非平稳信号而言，单纯的时域表示或频域表示都不能完整刻画信号富含的特征信息。因此时频表达应运而生，但一般的时频分析方法由于其分解基函数的单一对轴承复合故障这种复杂信号的表达缺乏自适应性。为了实现对信号更加灵活、更加简洁和自适应的表示，在小波分析的基础上，Mallat和Zhang总结了前人的研究成果，于1993年提出了基于时频原子库的匹配追踪算法(Marching pursuit, MP),是一种逐步近似来求信号的稀疏化表达的策略。该算法从原子库中挑选一组基元函数即原子来计算信号的一个线性展开，并通过求解信号在各原子上的正交投影对信号进行连续逼近。然而对于具有复合故障的轴承振动信号背景噪声成分较多，数据量大，故障特征信号复杂。用于轴承故障诊断的匹配追踪算法基本使用的字典模型比较单一不能与被分析轴承的参数及运行状态建立起一一对应的关系，分析效果还有进一步提高的空间。在原子选择方面，没能从根本上减小字典的冗余程度，分析速度较慢。
发明内容
为了解决匹配追踪算法在轴承复合故障诊断中的上述技术问题，本发明提供了一种改进冲击字典匹配追踪算法的轴承复合故障诊断方法。本发明解决上述技术问题的技术方案包括建立与轴承型号参数相关的字典模型、根据轴承故障特征建立字典、对轴承振动信号进行改进冲击字典匹配追踪分解、分量重构、时频变换得到故障特征等步骤。其中建立与轴承型号参数相关的改进冲击字典模型方法如下所述轴承滚动体线速度s S=Jidfr脉冲宽度px:
权利要求
1.一种基于改进冲击字典匹配追踪算法的轴承复合故障诊断方法，包括以下步骤 (1)采集轴承振动信号作为待分析信号； (2建立与轴承型号参数相关的改进冲击字典模型； (3)根据轴承故障特征建立改进冲击字典； (4)对轴承振动信号进行改进冲击字典匹配追踪分解，得到基于各子特征原子库的各阶匹配原子和匹配系数； (5)重构冲击分量； (6)对重构信号进行时频变换得到故障特征频率。
2.根据权利要求1所述的基于改进冲击字典匹配追踪算法的轴承复合故障诊断方法，所述步骤(2)中的改进冲击字典模型根据轴承的型号参数建立而来，建立方法如下 轴承滚动体线速度s: S= Ti dfr 脉冲宽度Px:
3.根据权利要求1所述的基于改进冲击字典匹配追踪算法的轴承复合故障诊断方法，所述步骤(3)中根据轴承故障特征建立改进冲击字典，建立过程包括如下步骤 (O建立预测原子为分析一个长度为η的信号，首先利用上述改进冲击字典模型建立长度为η的预测原子，其中与d为轴承小径根据轴承型号确定，fr为转频通过专门测量转速的传感器测得；固定预测原子表达式中的P，f，dx，变化u值；其中f取信号频谱谱峰所对应的频率f值$为原子的衰减系数与被测轴承的型号相关，dx为轴承故障的直径，在轴承运行过程中不直接测量，只需预测一个0-1之间的值即； (2)选择u值令原子的初始位置u值为0，以I为单位变化η次，即原子由初始位置开始每移动一次与长度为η的故障信号做一次内积，比较η次内积结果，选取使得内积值最大的X个位置u值，X < 1%η ； (3)选择f值将选择到的u值带一一代入到改进冲击字典模型中，固定ρ值和dx值，改变f值，在χ个u的取值上分别求出使得内积值最大的y个f值；y < 1%η ；(4)选择ρ值将确定下的u值和相应f值带入改进冲击字典模型中，固定dx值(其取值如(I)中所述)，求得z个使得内积值值最大的P值，z < P/on ； (5)选择4值最后将确定下来的p，f，u值代入改进冲击字典模型，求得a个使得内积值最大的dx值，a < 1%η ； (6)建立字典将p，f,u，dx的取值代入改进冲击字典模型，即建立了原子长度为n，原子数量为χ · y · z · a的原子库即字典；对其中每一个原子进行归一化处理； 通过上述步骤建立一个大小为χ · y · z · a的改进冲击字典D。
4.根据权利要求1所述的基于改进冲击字典匹配追踪算法的轴承复合故障诊断方法，所述步骤(4)中分解算法过程包括如下步骤 (1)利用加速度振动传感器对轴承运行过程中的振动信号进行测量，获得振动加速度信号作为待分析信号X (t)，采样长度定为2的整数次方，根据轴承转速和型号设定采样频率； (2)将被分析信号分为m段,每一段的长度为η； (3)根据待分析轴承的参数建立相应改进冲击字典模型； (4)根据待分析轴承的参数及信号特征建立原子数量为χ· y · ζ · a，原子长度为η的改进冲击字典D； (5)将原始信号X(t)赋给残差信号，得到初始残差IV即r(l=X(t)； (6)残差信号ι^α=0，1，2，…，1-1，I为迭代次数)在改进冲击字典D中各寻求一个最佳匹配原子屯，即利用残差信号&与改进冲击字典D中的每一个原子做内积运算，最大内积值所对应的原子Cli为最佳匹配原子；同时求出投影系数Ci ci=max<ri_lJ (7)计算前i次迭代的总投影为 (8)残差信号减去总投影，得到新的残差信号
5.根据权利要求1所述的基于改进冲击字典匹配追踪算法的轴承复合故障诊断方法，所述步骤(5)中冲击分量重构算法是分解算法的逆过程，计算公式为1-全文摘要
本发明公开了一种改进冲击字典匹配追踪算法的轴承故障诊断方法。本发明将轴承振动信号逐次迭代分解成基于改进冲击模型字典的i项原子的线性组合。改进模型根据被分析轴承的型号参数建立而来，可以非常精确的反映出故障轴承在运行过程中的冲击信号。根据轴承故障信号的周期特性，选取改进模型中的位置参数u作为优先变化的参数，通过逐步改变参数的方法建立冗余度较小的原子库，大大提高了最优原子的搜索速度。在信号分解的过程中对被分析信号进行截断，遍历原子库中的原子寻求最优原子，通过冲击分量重构可得到相应的冲击信号成分。继而时频变换得到轴承的故障特征频率实现轴承的故障诊断。
文档编号G01M13/04GK103018044SQ20121048052
公开日2013年4月3日 申请日期2012年11月22日 优先权日2012年11月22日
发明者崔玲丽, 王婧, 莫代一, 邬娜 申请人:北京工业大学