基于MRSVD的轴承振动信号包络解调方法、装置及设备与流程

本发明涉及滚动轴承故障诊断技术领域，特别涉及基于多分辨奇异值分解(multi-resolutionsingularvaluedecomposition，mrsvd)的轴承振动信号包络解调方法。

背景技术：

现随着现代工业的迅猛发展，各种旋转机械广泛应用于各工业领域。旋转机械故障是关系到国民经济生产安全性的重要问题，其中30％的旋转机械故障与轴承有关。轴承作为旋转机械的主要部件，是否能够安全、高效的长期运行也成为整个企业正常生产的重要保障，企业对其重视程度日益增加。在对滚动轴承进行故障诊断的过程中，由于早期轻微的故障信息往往淹没在背景噪声中，很难被发现和提取出来，因此必须采用有效的信号处理技术提高信噪比，凸显故障特征，而共振解调技术则是在滚动轴承诊断中广泛使用的一种信号处理方法，它极大地提高了振动信号的信噪比，特别适用于轴承故障的早期诊断。

当滚动轴承的内圈、外圈或滚动体有损伤时，随着轴承的周期性旋转，损伤表面与其他元件表面在接触过程中会发生周期性脉动冲击力，激起内、外圈的固有频率振动，其振动信号中往往出现周期性的瞬态冲击信号，形成调制现象，频谱上表现为固有频率两侧出现等间隔的调制边频带。因此，对轴承故障振动信号中的周期性冲击成分进行提取和解调，根据解调谱的强度和频次判断轴承损伤程度和部位是轴承故障诊断广泛使用的一种方法。机械故障诊断中常用的包络解调分析方法有hilbert解调分析、广义检波滤波解调分析。

hilbert解调分析、广义检波滤波解调分析，这两种常用的解调方法都具有一定的局限性，即会将不包括调制信息(故障信息)的两时域相加信号以其频率之差作为解调信号而解出。实际轴承振动信号通常包含有由机械自身振动产生的谐振干扰以及背景噪声干扰，在这两种干扰的影响下，hilbert解调分析、广义检波滤波解调分析方法将无法准确实现对轴承振动信号的精确解调。鉴于hilbert解调分析、广义检波滤波解调分析存在的局限性问题，学者们尝试采用滤波的方法试图从滚动轴承振动信号中去除与故障无关的噪声成分和谐波干扰成分，提出了共振解调技术，但在滚动轴承振动信号的信噪比低或当谐波干扰频率与故障特征频率相当接近时，共振带的设置极为困难。

技术实现要素：

为克服当滚动轴承振动信号的信噪比低或当谐波干扰频率与故障频率特征相当接近时，难以设置共振带。本发明公开一种基于mrsvd的轴承振动信号包络解调方法、装置及设备，能有效地去除噪声和谐振干扰的影响，实现轴承故障引起的周期性冲击成分的提取。

本发明实施例公开了一种基于mrsvd的轴承振动信号包络解调方法，包括：

获取滚动轴承振动信号；

根据所述滚动轴承振动信号进行多分辨奇异值分解，得到峭度值最大的n个细节信号；

对峭度值最大的n个细节信号进行求和，得到周期性冲击成分；

对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断。

优选地，所述根据所述滚动轴承振动信号进行多分辨奇异值分解，得到峭度值最大的n个细节信号，具体为：

s1，对第j分解层次的滚动轴承振动信号进行多分辨奇异值分解，得到与当前分解层次j的滚动轴承振动信号对应的细节信号dj以及近似信号aj；其中，当j＝0时，第j分解层次的滚动轴承振动信号为获取的初始的滚动轴承振动信号；当j为大于0的整数时，第j分解层次的滚动轴承振动信号为对第j-1分解层次的滚动轴承振动信号进行多分辨奇异值分解得到的近似信号；

s2，计算第j分解层次的细节信号dj的峭度值kj，并判断所述峭度值kj是否大于第j-1分解层次得到的峭度值kj-1；若是，则执行步骤s3，若否，则执行步骤s4；

s3，对j进行自加1，并返回步骤s1；

s4，依次计算第j分解层次到第j+n分解层次对应的n个细节信号，获得峭度值最大的n个细节信号。

优选地，所述对第j分解层次的滚动轴承振动信号进行多分辨奇异值分解，得到与当前分解层次j的滚动轴承振动信号对应的细节信号dj以及近似信号aj，具体为：

根据第j分解层次的滚动轴承振动信号构造行数为2的hankel矩阵hj；

对所述矩阵hj进行奇异值分解，得到与当前分解层次j的滚动轴承振动信号对应的细节信号dj以及近似信号aj。

优选地，所述n的值为5。

优选地，所述对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断，具体为：

通过hilbert解调分析、广义检波滤波解调对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断。

本发明实施例还提供了一种基于多分辨奇异值分解的轴承振动信号包络解调装置，

信号获取单元，用于获取滚动轴承振动信号；

多分辨奇异值分解单元，用于根据所述滚动轴承振动信号进行多分辨奇异值分解，得到峭度值最大的n个细节信号；

求和单元，用于对峭度值最大的n个细节信号进行求和，得到周期性冲击成分；

解调单元，用于对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断。

优选地，所述多分辨奇异值分解单元具体包括：

分解模块，用于对第j分解层次的滚动轴承振动信号进行多分辨奇异值分解，得到与当前分解层次j的滚动轴承振动信号对应的细节信号dj以及近似信号aj；其中，当j＝0时，第j分解层次的滚动轴承振动信号为获取的初始的滚动轴承振动信号；当j为大于0的整数时，第j分解层次的滚动轴承振动信号为对第j-1分解层次的滚动轴承振动信号进行多分辨奇异值分解得到的近似信号；

判断模块，用于计算第j分解层次的细节信号dj的峭度值kj，并判断所述峭度值kj是否大于第j-1分解层次得到的峭度值kj-1；若是，则通知加法模块，若否，则通知节信号获取模块；

加法模块，用于对j进行自加1，并通知分解模块；

细节信号获取模块，用于依次计算第j分解层次到第j+n分解层次对应的n个细节信号，获得峭度值最大的n个细节信号。

优选地，所述n的值为5。

优选地，所述解调单元具体用于，通过hilbert解调分析、广义检波滤波解调对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断。

本发明实施例还提供了一种基于多分辨奇异值分解的轴承振动信号包络解调设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的基于多分辨奇异值分解的轴承振动信号包络解调方法。

本发明实施例提供的基于mrsvd的轴承振动信号包络解调方法、装置及设备，通过对所述轴承振动信号进行mrsvd分解，得到峭度值最大的5个细节信号，对所述峭度值最大的n个细节信号进行求和，得到周期性冲击成分；对所述周期性冲击成分进行hilbert解调分析、广义检波滤波解调对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断。

基于本发明，能够将噪声和谐波干扰将分别集中于分解结果中的第一个细节信号和最后一个近似信号中，有效地去除噪声和谐振干扰的影响，无需设置共振频率，实现轴承故障引起的周期性冲击成分的提取，从而可采用hilbert解调分析、广义检波滤波解调分析进行有效解调，凸显故障频率，实现故障诊断，且主要涉及矩阵的加减运算，算法简单，无需进行基函数的选取、不涉及卷积运算，迭代筛分等。

附图说明

图1为本发明第一实施例提供的基于mrsvd的滚动轴承振动信号包络解调方法的流程示意图。

图2为本发明第一实施例提供滚动轴承振动信号的mrsvd分解过程示意图。

图3为本发明第二实施例提供的基于mrsvd的滚动轴承振动信号包络解调装置的模块示意图。

图4为图3的多分辨奇异值分解单元模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明第一实施例提供了一种基于多分辨奇异值分解的轴承振动信号包络解调方法，包括：

s1，获取滚动轴承振动信号。

在本实施例中，可先通过压电式加速度传感器对滚动轴承的振动信号进行拾取，然后经过电荷放大器及通过带滤波的a/d转换电路得到微机可以识别的滚动轴承振动信号a0＝(x1,x2,…xn)。

当然，需要说明的是，海可以有其他获取滚动轴承振动信号的方法，本发明不做具体限定。

s2，根据所述滚动轴承振动信号进行多分辨奇异值分解，得到峭度值最大的n个细节信号。

其中，如图2所示，具体为：

首先，分析所述滚动轴承信号a0＝(x1,x2,…xn)，并对所述滚动轴承信号a0＝(x1,x2,…xn)构造行数为2的hankel矩阵

接着，对所述矩阵h0进行奇异值分解，得到两个奇异值，分别记为σa1、σd1，其中σa1>σd1。从所述σa1得到信号分量a1，从所述σd1得到细节信号d1。

然后，计算细节信号d1的峭度值，对近似信号a1，继续构造行数为2的hankel矩阵h1，进行下一层次的奇异值分解。

在本实施例中，根据上述的流程不断进行循环，即：

(1)对第j分解层次的滚动轴承振动信号进行多分辨奇异值分解，得到与当前分解层次j的滚动轴承振动信号对应的细节信号dj以及近似信号aj；其中，当j＝0时，第j分解层次的滚动轴承振动信号为获取的初始的滚动轴承振动信号；当j为大于0的整数时，第j分解层次的滚动轴承振动信号为对第j-1分解层次的滚动轴承振动信号进行多分辨奇异值分解得到的近似信号；

(2)计算第j分解层次的细节信号dj的峭度值kj，并判断所述峭度值kj是否大于第j-1分解层次得到的峭度值kj-1；若是，则执行步骤(3)，若否，则执行步骤(4)。

(3)对j进行自加1，并返回步骤(1)；

(4)依次计算第j分解层次到第j+n分解层次对应的n个细节信号，获得峭度值最大的n个细节信号。

在本实施例中，如果kj>kj-1，表示细节信号的峭度值在增加，噪声在不断被分解出去，继续对第aj构造行数为2的hankel矩阵hj，进行第j+1次的奇异值分解，直至分解得到的细节信号的峭度值不再增加。

如果kj<kj-1，表示上一层次分解得到的细节信号的峭度值已达到最大值(冲击特征最为明显)，继续分解细节信号的峭度值将会会出现下降趋势(分解信号中的冲击成分在减少，使得谐波成分增多)，继续分解得到下五个层次的近似信号和细节信号则停止分解，滚动轴承振动信号的mrsvd分解过程结束。

s3，对峭度值最大的n个细节信号进行求和，得到周期性冲击成分。

在本实施例中，根据上述步骤，可以得到n个峭度值最大细节信号分量，然后将所述n个最大细节信号进行求和运算，得到和信号s＝(s1,s2,…sn)，即得到周期性冲击成分。

其中，优选地，n的值为5。当然，n的值也可以是4、6、7等其他数字，本发明不做具体限定。

s4，对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断。具体为：

通过hilbert解调分析、广义检波滤波解调对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断。

基于本发明，能够有效地去除噪声和谐振干扰的影响，无需设置共振频率，实现轴承故障引起的周期性冲击成分的提取，从而可采用hilbert解调分析、广义检波滤波解调分析进行有效解调，凸显故障频率，实现故障诊断，且主要涉及矩阵的加减运算，算法简单，无需进行基函数的选取、不涉及卷积运算，迭代筛分等。

本发明第二实施例提供了一种基于多分辨奇异值分解的轴承振动信号包络解调设装置，包括：

信号获取单元10，用于获取滚动轴承振动信号a0＝(x1,x2,…xn)；

多分辨奇异值分解单元20，用于根据所述滚动轴承振动信号进行多分辨奇异值分解，得到峭度值最大的n个细节信号；

求和单元30，用于对峭度值最大的n个细节信号进行求和，得到周期性冲击成分；

解调单元40，用于对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断。

优选地，这里取n的值为5；

优选地，所述多分辨奇异值分解单元20具体包括：

分解模块21，用于对第j分解层次的滚动轴承振动信号进行多分辨奇异值分解，得到与当前分解层次j的滚动轴承振动信号对应的细节信号dj以及近似信号aj；其中，当j＝0时，第j分解层次的滚动轴承振动信号为获取的初始的滚动轴承振动信号；当j为大于0的整数时，第j分解层次的滚动轴承振动信号为对第j-1分解层次的滚动轴承振动信号进行多分辨奇异值分解得到的近似信号；

判断模块22，用于计算第j分解层次的细节信号dj的峭度值kj，并判断所述峭度值kj是否大于第j-1分解层次得到的峭度值kj-1；若是，则通知加法模块23，若否，则通知细节信号获取模块24；

加法模块23，用于对j进行自加1，并通知分解模块；

细节信号获取模块24，用于依次计算第j分解层次到第j+n分解层次对应的n个细节信号，获得峭度值最大的n个细节信号。

优选地，所述解调单元40具体用于，通过hilbert解调分析、广义检波滤波解调对周期性冲击成分进行解调，以实现对滚动轴承进行故障诊断。

本发明提供了一种基于多分辨奇异值分解的轴承振动信号包络解调设备，包括处理器、存储器以及存储在所述存储器内的可执行代码，所述可执行代码能够被所述处理器执行，以实现如上述的根据mrsvd的轴承振动信号包络解调方法。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序。其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述的根据mrsvd的轴承振动信号包络解调方法。

示例性地，本发明中所述的计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述实现一种根据mrsvd的轴承振动信号包络解调设备中的执行过程。

所称处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述mrsvd的轴承振动信号包络解调方法的控制中心，利用各种接口和线路连接整个基于mrsvd的轴承振动信号包络解调方法的各个部分。

所述存储器可用于存储所述计算机程序和模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和模块，以及调用存储在存储器内的数据，实现基于物联网的物品追踪方法的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡(smartmediacard,smc)、安全数字(securedigital,sd)卡、闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

其中，所述实现的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。